种群维护相关论文
多目标进化算法的研究目标主要是使算法快速收敛,并且广泛而均匀分布于问题的非劣最优域.在NSGA-Ⅱ算法的基础上,提出了一种新的构......
为提高多目标进化算法的收敛性,提出一种基于空间距离的多目标进化算法.定义一种密度估计指标——树聚集距离,在考虑非支配前沿的......
多目标进化算法的研究目标主要是使算法快速收敛，并且广泛而均匀分布于问题的非劣最优域。在NSGA—Ⅱ算法的基础上，提出了一种新的构......
提出了基于动态聚集距离(DCD)的分布性保持策略,利用个体在不同维目标上聚集距离的差异程度来定义DCD,并在种群维护中动态地计算DC......
分布性保持是多目标进化算法研究的一个重要方面，一个好的分布性能给决策者提供更多合理有效的选择。Pareto最优解的分布性主要体现......
解集的分布性是多目标优化中最重要的研究工作之一，解集的分布性主要体现在两个方面，一是解集的分布广度；二是解集的均匀性。在多目标......
NSGA-Ⅱ以其良好的收敛性和时间效率广泛应用于多目标优化中，然而其基于聚集距离的种群维护策略并不能很好地保持解集的分布性。提......
通过定义反映个体之间邻近程度的指标（个体的树邻域包含关系），在考虑个体间支配关系的基础上，利用个体与其周边个体的树邻域密度进行适......
怎样保证朝Pareto最优解的方向搜索和如何获得均匀分布且范围广泛的非支配解是多目标进化算法（MOEA）设计时的两个关键问题，它们很大程......
种群维护是多目标进化算法的重要组成部分。针对维护方法和运行效率的矛盾,提出一种基于邻域的多目标进化算法(NMOEA)。定义了一个......
种群维护是多目标进化算法的重要组成部分。针对传统方法在维护过程中只考虑分布性的情况，提出一种分布性与收敛性结合的种群维护策......
为提高多目标进化算法的分布性和收敛性，提出一种基于海明距离差异的多目标进化算法。在非支配前沿的基础上定义海明等级，依据海明距......
