基于量子搜索和高斯变异的MOEA/D算法 |
| |
引用本文: | 史册,周琳霞,鲁宇明.基于量子搜索和高斯变异的MOEA/D算法[J].南昌航空工业学院学报,2020,34(2). |
| |
作者姓名: | 史册 周琳霞 鲁宇明 |
| |
作者单位: | 南昌航空大学航空制造工程学院,南昌330063;南昌航空大学信息工程学院,南昌 330063 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;江西省教育厅科技项目;南昌航空大学研究生创新专项 |
| |
摘 要: | 在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。
|
关 键 词: | 量子搜索 高斯变异 环境迁移模型 吸引点 |
本文献已被 CNKI 万方数据 等数据库收录! |
|