换一批基于双分类器辅助进化的多目标优化算法
Multi-objective Optimization Evolutionary Algorithm Based on Double Classifier-Assisted Evolution
摘要在昂贵多目标优化问题中,常采用代理辅助进化算法以减少真实目标函数的评估次数,但传统的代理辅助进化算法因代理模型计算复杂而运行时间较长.为缩短运行时间,提出基于双分类器辅助进化的多目标优化算法(DC-MOEA),利用两个随机森林分类器,分别预测解的多样性优劣和解的收敛性优劣,选出同时具备优秀收敛性和多样性的解进行真实评估和环境选择.DC-MOEA对决策变量分类并用分类后的数据训练分类器,降低整体复杂度,减少运行时间.通过仿真试验,利用基准测试函数比较在不同问题上的性能,验证本算法在多样性探索和收敛性增强方面的能力.
更多相关知识
关键词
多目标优化问题代理辅助进化算法多目标进化算法随机森林分类器multi-objective optimization problems(MOPs)surrogate-assisted evolutionary algorithmmulti-objective evolutionary algorithmrandom forest classifier
分类号
TP183
栏目名称
DOI
10.11713/j.issn.1009-4822.2023.05.020
发布时间
2023-09-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
吉林省科技发展计划项目（20230101370J）
吉林省教育厅科技攻关项目（JJKH20220840KJ）
- 浏览2
- 被引4
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
