基于混沌优化和网格筛选策略的多目标分布估计算法
为了解决多目标分布估计算法中进化速度慢、解精度和分布不佳等问题,提出一种基于混沌优化和网格筛选策略的多目标分布估计算法.该算法首先利用混沌模型进行种群的初始化,以获得较理想的初始化结果;然后运用混沌的局部优化策略对每代产生的非支配个体进行寻优,加速种群向Pareto最优前沿的逼近;最后利用简单的网格筛选策略保持个体的均匀分布,从而增强精英种群的多样性.3种评价标准在8个测试问题上的实验表明:与目前最具代表性的RM-MEDA算法相比,该算法不仅在接近真实的最优前沿和保持种群的多样性方面具有一定优势,而且在进化速度上也有较大提高.
多目标进化算法、进化算法、分布估计算法、混沌优化、网格筛选
40
TP301;TP18(计算技术、计算机技术)
国家自然科学基金资助项目60496322;北京市自然科学基金资助项目4102010
2014-10-17（万方平台首次上网日期，不代表论文的发表时间）
共7页
393-399
