文献类型：期刊文章

作　　者：陈晓纪[1,2] 石川[1] 周爱民[3] 吴斌[1]

CHEN Xiao-Ji;SHI Chuan;ZHOU Ai-Min;WU Bin(College of Computer Science,Beijing University of Posts and Telecommunications,Beijing 100876,China;Department of Information Engineering,Xingtai Polytechnic College,Xingtai 054000,China;School of Computer Science and Technology,East China Normal University,Shanghai 200062,China)

机构地区：[1]北京邮电大学计算机学院,北京100876 [2]邢台职业技术学院信息工程系,河北邢台054000 [3]华东师范大学计算机科学与软件工程学院,上海200062

出　　处：《软件学报》

基　　金：国家重点基础研究发展计划(973)(2017YFB0803304);国家自然科学基金(61772082,61375058)~~

年　　份：2019

卷　　号：30

期　　号：12

起止页码：3651-3664

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在多目标进化算法中,如何从后代候选集中选择最优解,显著地影响优化过程.当前,最优解的选择方式主要是基于实际目标值或者代理模型估计目标值.然而,这些选择方式往往是非常耗时或者存在精度差等问题,特别是对于一些实际的复杂优化问题.最近,一些研究人员开始利用有监督分类辅助后代选择,但是这些工作难以准备准确的正例和负例样本,或者存在耗时的参数调整等问题.为了解决这些问题,提出了一种新颖的融合分类与代理的混合个体选择机制,用于从后代候选集中选择最优解.在每一代优化中,首先利用分类器选择优良解;然后设计了一个轻量级的代理模型用于估计优良解的目标值;最后利用这些目标值对优良解进行排序,并选择最优解作为后代解.基于典型的多目标进化算法MOEA/D,利用混合个体选择机制设计了新的算法框架MOEA/D-CS.与当前流行的基于分解多目标进化算法比较,实验结果表明,所提出的算法取得了最好的性能.

关 键 词：多目标优化 进化算法 后代选择 相似性  MOEA/D  

分 类 号：TP18]