基于Pareto的多目标克隆进化算法  

Pareto-based Multi-object Clonal Evolutionary Algorithm

作　　者：贺群[1] 程格[1] 安军辉[1] 戴光明[1] 彭雷[1] 

机构地区：[1]中国地质大学计算机学院,武汉430074

出　　处：《计算机科学》2012年第B06期489-492,共4页Computer Science

基　　金：国家高技术研究发展计划(863)项目(2008AA12A201);国家自然科学基金项目(60873107);大学生创新性实验项目(09104 9126)资助

摘　　要：为了克服部分多目标进化算法中容易出现退化与早熟,造成收敛速度过慢的不足,结合精英保留策略、基于近邻规则的环境选择以及免疫克隆算法中的比例克隆等思想,提出一种基于Pareto的多目标克隆进化算法NPCA(Non-dominated Pareto Clonal Algorithm)。通过部分多目标优化测试函数ZDT和DTLZ对算法进行了性能测试,验证了该算法能获得分布更加均匀的Pareto前沿,解的收敛性明显优于典型的多目标进化算法。To overcome the shortcomings of partial multiobjective evolutionary algorithms,we combine some outstan-ding thoughts in SPEA2 and immune multi-objective optimization algorithm then innovate out a Pareto-based multi-object clonal evolutionary algorithm NPCA（non-dominated Pareto clonal algorithm）.And testing the algorithm with the famous multi-objective optimization problems ZDT and DTLZ,the results show that the new algorithm NPCA obviously takes advantages over the typical multi-objective evolutionary algorithms.

关 键 词：多目标优化问题 多目标进化算法 多目标优化免疫算法 NPCA算法 

分 类 号：TP399[自动化与计算机技术—计算机应用技术]