文献类型：期刊文章

作　　者：谢承旺[1,2] 许雷[1] 赵怀瑞[3] 夏学文[1] 魏波[1]

机构地区：[1]华东交通大学软件学院,江西南昌330013 [2]江西科技师范大学数学与计算机学院,江西南昌330013 [3]华东交通大学轨道交通学院,江西南昌330013

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61165004);江西省自然科学基金(No.20114BAB201025;No.20151BAB207022);江西省教育厅科技项目(No.GJJ12307;No.GJJ14373)

年　　份：2016

卷　　号：44

期　　号：5

起止页码：1180-1188

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20162302471535)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：现实中的多目标优化问题越来越多,而且日益复杂.受混合多目标优化算法设计思想的启发,将烟花爆炸方法和精英反向学习机制引入至多目标优化领域,提出一种应用精英反向学习的多目标烟花爆炸算法(Multi-Objective Fireworks Optimization Algorithm Using Elite Opposition-Based Learning,MOFAEOL).该算法利用精英反向学习策略加强算法的全局搜索能力,利用烟花爆炸方法增强算法的局部搜索能力并提高求解的精度.这两种搜索机制相互协同以更好地平衡算法的全局勘探和局部开采的能力.MOFAEOL算法与另外5种代表性多目标优化算法一同在由ZDT系列和DTLZ系列组成的测试集上进行性能比较.实验表明,MOFAEOL算法在收敛性、多样性和稳定性方面均优于或部分优于其他对比算法.

关 键 词：烟花爆炸优化  精英反向学习  多目标优化算法

分 类 号：TP301]