多目标差分演化算法研究综述

doi:10.3778/j.issn.1673-9418.2009.03.002

计算机科学与探索 ›› 2009, Vol. 3 ›› Issue (3): 234-246.DOI: 10.3778/j.issn.1673-9418.2009.03.002

多目标差分演化算法研究综述

敖友云¹⁺,迟洪钦²

1. 安庆师范学院计算机与信息学院，安徽安庆 246001
2. 上海师范大学数理信息学院，上海 200234

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2009-05-15 发布日期:2009-05-15
通讯作者: 敖友云

A Survey of Multi-objective Differential Evolution Algorithms

AO Youyun¹⁺, CHI Hongqin²

1. School of Computer and Information， Anqing Teachers College， Anqing， Anhui 246001， China
2. College of Mathematics and Science， Shanghai Normal University， Shanghai 200234， China

Received:1900-01-01 Revised:1900-01-01 Online:2009-05-15 Published:2009-05-15
Contact: AO Youyun

摘要/Abstract

摘要： 多目标差分演化算法是一种简单有效的演化算法，已引起学术界的广泛关注，并在许多领域得到应用。首先描述了差分演化算法的基本思想；接着分析了有代表性的多目标差分演化算法，并给出了改进多目标差分演化算法的一些措施；然后讨论了多目标差分演化算法的性能度量指标，并介绍了多目标差分演化算法的一些应用领域；最后，指出了多目标差分演化算法今后的研究方向。

关键词: 多目标优化, 差分演化, 演化算法, Pareto前沿

Abstract: Multi-objective differential evolution algorithm is a simple and effective evolutionary algorithm for multi-objective optimization， which has been attracted much increasing interest from academia recently and applied to various fields successfully. Firstly， the basic idea of differential evolution is introduced， and some representative multi-objective differential evolution algorithms are analyzed. Then some effective measures are presented， which can improve the performance of multi-objective differential evolution algorithms. Thereafter， a variety of performance indices for multi-objective differential evolution algorithms are discussed and some typical applications of multi-objective differential evolution algorithms are also mentioned. Finally， some promising paths for future research in this area are pointed out.

Key words: multi-objective optimization, differential evolution, evolutionary algorithm, Pareto front

敖友云1+ ,迟洪钦2 . 多目标差分演化算法研究综述[J]. 计算机科学与探索, 2009, 3(3): 234-246.

AO Youyun¹⁺, CHI Hongqin². A Survey of Multi-objective Differential Evolution Algorithms[J]. Journal of Frontiers of Computer Science and Technology, 2009, 3(3): 234-246.

[1]	康上, 钱雪忠, 甘霖. 面向申威众核处理器的并行SaNSDE算法[J]. 计算机科学与探索, 2021, 15(10): 2015-2024.
[2]	邵必林，贺金能，边根庆. 基于多目标分解策略的副本布局算法研究[J]. 计算机科学与探索, 2020, 14(9): 1490-1500.
[3]	冉金鹏，赵尚弘，王翔. 航空信息网络集中控制器部署优化策略研究[J]. 计算机科学与探索, 2020, 14(6): 966-974.
[4]	王金杰，李炜. 混合互信息和粒子群算法的多目标特征选择方法[J]. 计算机科学与探索, 2020, 14(1): 83-95.
[5]	黄辉先，胡拚，丁灿，张广炎，刘嘉婷. 进化信息引导的烟花差分混合多目标算法[J]. 计算机科学与探索, 2019, 13(3): 481-493.
[6]	陈翔，沈宇翔，孟少卿，崔展齐，鞠小林，王赞. 基于多目标优化的软件缺陷预测特征选择方法[J]. 计算机科学与探索, 2018, 12(9): 1420-1433.
[7]	郭晓彤，李玲燕，朱春阳. Pareto支配关系下两阶段进化高维多目标优化算法[J]. 计算机科学与探索, 2018, 12(8): 1350-1360.
[8]	喻飞，魏波. 交互式差分演化卡通人脸生成[J]. 计算机科学与探索, 2017, 11(12): 2023-2032.
[9]	杜欣，吴晓斌，倪友聪，叶鹏，李松. 代理模型帮助的SA层性能差分演化优化算法[J]. 计算机科学与探索, 2017, 11(11): 1733-1746.
[10]	顾聪慧，李征，赵瑞莲. 基于ACO的测试用例预优化及参数影响分析[J]. 计算机科学与探索, 2014, 8(12): 1463-1473.
[11]	刘琛，林盈，胡晓敏. 差分演化算法各种更新策略的对比分析[J]. 计算机科学与探索, 2013, 7(11): 983-993.
[12]	王则林，吴志健. 运用差分演化算法实现多维包匹配的研究[J]. 计算机科学与探索, 2012, 6(7): 612-620.

多目标差分演化算法研究综述

A Survey of Multi-objective Differential Evolution Algorithms

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics