主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第5期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
公茂果,焦李成,杨咚咚,马文萍.进化多目标优化算法研究.软件学报,2009,20(2):271-289
进化多目标优化算法研究
Research on Evolutionary Multi-Objective Optimization Algorithms
投稿时间:2008-07-22  修订日期:2008-10-09
DOI:
中文关键词:  多目标优化  进化算法  Pareto占优  粒子群优化  人工免疫系统  分布估计算法
英文关键词:multi-objective optimization  evolutionary algorithm  Pareto-dominance  particle swarm optimization  artificial immune system  estimation of distribution algorithm
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60703107 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z107 (国家高技术研究发展计划(863)); the National Basic Research Program of China under Grant No.2006CB705700 (国家重点基础研究发展计划(973)); the Program for Cheung Kong Scholars and Innovative Research Team in University of China under Grant No.IRT0645 (长江学者和创新团队支持计划)
作者单位
公茂果 西安电子科技大学 智能信息处理研究所,陕西 西安 710071
西安电子科技大学 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
焦李成 西安电子科技大学 智能信息处理研究所,陕西 西安 710071
西安电子科技大学 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
杨咚咚 西安电子科技大学 智能信息处理研究所,陕西 西安 710071
西安电子科技大学 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
马文萍 西安电子科技大学 智能信息处理研究所,陕西 西安 710071
西安电子科技大学 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
摘要点击次数: 19611
全文下载次数: 27696
中文摘要:
      进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,已经成为进化计算领域的研究热点之一.在简要总结2003年以前的主要算法后,着重对进化多目标优化的最新进展进行了详细讨论.归纳出当前多目标优化的研究趋势,一方面,粒子群优化、人工免疫系统、分布估计算法等越来越多的进化范例被引入多目标优化领域,一些新颖的受自然系统启发的多目标优化算法相继提出;另一方面,为了更有效的求解高维多目标优化问题,一些区别于传统Pareto占优的新型占优机制相继涌现;同时,对多目标优化问题本身性质的研究也在逐步深入.对公认的代表性算法进行了实验对比.最后,对进化多目标优化的进一步发展提出了自己的看法.
英文摘要:
      Evolutionary multi-objective optimization (EMO), whose main task is to deal with multi-objective optimization problems by evolutionary computation, has become a hot topic in evolutionary computation community. After summarizing the EMO algorithms before 2003 briefly, the recent advances in EMO are discussed in details. The current research directions are concluded. On the one hand, more new evolutionary paradigms have been introduced into EMO community, such as particle swarm optimization, artificial immune systems, and estimation distribution algorithms. On the other hand, in order to deal with many-objective optimization problems, many new dominance schemes different from traditional Pareto-dominance come forth. Furthermore, the essential characteristics of multi-objective optimization problems are deeply investigated. This paper also gives experimental comparison of several representative algorithms. Finally, several viewpoints for the future research of EMO are proposed.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利