کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4962926 1446999 2017 51 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A many-objective evolutionary algorithm based on a projection-assisted intra-family election
ترجمه فارسی عنوان
یک الگوریتم تکاملی چند هدفه بر اساس انتخاب انتخابی درون خانواده از طریق طرح ریزی
کلمات کلیدی
بسیاری از اهداف بهینه سازی، الگوریتم تکاملی، جهت تکامل پروژکتور زاویه،
ترجمه چکیده
در سال های اخیر، بسیاری از محققان تاکید بر مطالعه در مورد چگونگی حفظ تعادل خوبی بین همگرایی و تنوع در بهینه سازی چند هدفه دارند. این مقاله یک الگوریتم تکاملی چند هدفه جدید را براساس انتخاب انتخابی درون خانواده ارائه می دهد. در الگوریتم پیشنهادی، جهت تکامل اولیه، انطباق با توجه به جمعیت فعلی تولید می شود و جهت های تکامل بالقوه در خانواده هر فرد کاوش می شود. بر اساس این جهات تکاملی، استراتژی انتخابات داخل خانواده در هر خانواده انجام می شود و افراد نخبه به عنوان نمایندگان خانواده خاص برای پیوستن به مرحله بعدی انتخاب می شوند که می تواند همگرایی الگوریتم را افزایش دهد. علاوه بر این، روش انتخاب بر اساس زاویه ها برای حفظ تنوع استفاده می شود. عملکرد الگوریتم پیشنهادی تایید شده و با چندین الگوریتم تکاملی چند منظوره پیشرفته در بسیاری از مشکلات معروف معروف از 5 تا 20 هدف مقایسه شده است. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی از دیگر الگوریتم های همکار، از لحاظ تنوع و همگرایی راه حل های نهایی که در اکثر نمونه های تست وجود دارد، از الگوریتم های دیگر بهتر است. به طور خاص، الگوریتم پیشنهادی ما در هنگام رسیدگی به مشکلات با تعداد بیشتری از اهداف، برتری قابل توجهی را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
یک الگوریتم تکاملی چند هدفه بر اساس انتخاب انتخابی درون خانواده از طریق طرح ریزی
چکیده انگلیسی
In recent years, many researchers have put emphasis on the study of how to keep a good balance between convergence and diversity in many-objective optimization. This paper proposes a new many-objective evolutionary algorithm based on a projection-assisted intra-family election. In the proposed algorithm, basic evolution directions are adaptively generated according to the current population and potential evolution directions are excavated in each individual's family. Based on these evolution directions, a strategy of intra-family election is performed in every family and elite individuals are elected as representatives of the specific family to join the next stage, which can enhance the convergence of the algorithm. Moreover, a selection procedure based on angles is used to maintain the diversity. The performance of the proposed algorithm is verified and compared with several state-of-the-art many-objective evolutionary algorithms on a variety of well-known benchmark problems ranging from 5 to 20 objectives. Empirical results demonstrate that the proposed algorithm outperforms other peer algorithms in terms of both the diversity and the convergence of the final solutions set on most of the test instances. In particular, our proposed algorithm shows obvious superiority when handling the problems with larger number of objectives.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 61, December 2017, Pages 394-411
نویسندگان
, , ,