多目标布谷鸟搜索算法

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (4): 731-737.

• 仿真建模与仿真算法及数值仿真 • 上一篇下一篇

多目标布谷鸟搜索算法

贺兴时¹, 李娜¹, 杨新社^1,2, 余兵^1,3

1.西安工程大学理学院, 西安 710048;
2.密德萨斯大学科学与技术学院, 英国伦敦 NW4 4BT;
3.上海宝信软件股份有限公司, 上海 201300

收稿日期:2014-02-24 修回日期:2014-06-12 发布日期:2020-08-20
作者简介:贺兴时(1960-),男,陕西,硕士,教授,研究方向为智能算法;李娜(1989-),女,陕西,硕士,研究方向为智能算法。
基金资助:
陕西省软科学基金项目(2012KRM58);陕西省教育厅自然科学基金项目(11JK0188)

Multi-objective Cuckoo Search Algorithm

He Xingshi¹, Li Na¹, Yang Xinshe^1,2, Yu Bing^1,3

1. School of Science, Xi'an Polytechnic University, Xi'an 710048, China;
2. School of Science & Technology, Middlesex University, London NW4 4BT, UK;
3. Shanghai Baosight Software Corporation, Shanghai 201300, China

Received:2014-02-24 Revised:2014-06-12 Published:2020-08-20

摘要/Abstract

摘要： 解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

关键词: 多目标算法, 布谷鸟搜索算法, 多目标布谷鸟搜索算法, 基于小生境技术的逐步档案缩减法, Pareto最优解

Abstract: It is challenging to solve multi-objective optimization problems with getting high-quality Pareto fronts accurately. The multi-objective Cuckoo Search algorithm (MOCS) was designed by firstly applying the recently developed Cuckoo Search Algorithm (CS) in solving Multi-objective optimization problems, and the fitness function based Pareto definiteness was improved, and the Gradual archive reduction method based on niche technology was proposed to improve the Archive solutions quality. The simulation test results and related performance indicators of nine test problems show that, MOCS algorithm is obviously improved in the aspect of the convergence, the diversity and the uniformity compared with the classic NSGA-II algorithm.

Key words: multi-objective algorithms, cuckoo search algorithm, gradual archive reduction method based on niche technology, multi-objective cuckoo search algorithm, pareto optimal solutions

中图分类号:

TP18

贺兴时, 李娜, 杨新社, 余兵. 多目标布谷鸟搜索算法[J]. 系统仿真学报, 2015, 27(4): 731-737.

He Xingshi, Li Na, Yang Xinshe, Yu Bing. Multi-objective Cuckoo Search Algorithm[J]. Journal of System Simulation, 2015, 27(4): 731-737.

参考文献

[1] 崔逊学, 林闯, 方廷健. 多目标进化算法的研究与进展[J]. 模式识别与人工智能, 2003, 16(3): 306-314.
[2] 赵亮, 雎刚, 吕剑虹. 一种改进的遗传多目标优化算法及其应用[J]. 中国电机工程学报, 2008, 28(2): 96-102.
[3] Fonseca C M, Fleming P J.An Overview of Evolutionary Algorithms in Multiobjective Optimization[J]. Evolutionary Computation (S1063-6560), 1995, 3(1): 1-16.
[4] K Deb.Multi-objective Optimization Using Evolutionary Algorithms[M]. Chichester, UK: Wiley, 2001.
[5] Tan K C, Khor E F, Lee T H.Multi-objective Evolutionary Algorithms and Applications[M]. London, UK: Springer, 2005.
[6] Coello C A C, Veldhuizen D A V, Lamont G B. Evolutionary Algorithms for Solving Multi-objective Problems[M]. New York, USA: Kluwer Academic Publishers, 2002.
[7] Yang X S, Deb S.Cuckoo search via Levy flights[C]// World Congress on Nature & Biologically Inspired Computing, India. USA: IEEE Publications, 2009: 210-214.
[8] 王凡, 贺兴时, 王燕, 杨松铭. 基于CS算法的Markov模型及收敛性分析[J]. 计算机工程, 2012, 38(11): 180-182, 185.
[9] Yang X S, Deb S.Engineering optimization by cuckoo search[J]. Mathematical Modelling and Numerical Optimisation (S2040-3607), 2010, 1(4): 330-343.
[10] 曾劲涛, 李金忠, 唐卫东, 等. 多目标微粒群优化算法及其应用研究进展[J]. 计算机应用研究, 2011, 28(4): 1225-1231.
[11] 王晓鹏. 多目标优化设计中的Pareto遗传算法[J]. 系统工程与电子技术, 2003, 25(12): 1558-1561.
[12] 徐鹤鸣. 多目标粒子群优化算法的研究 [D]. 上海交通大学, 2013.
[13] Yang, X S, 2008. Nature-Inspired Meta-heuristic Algorithms [M]. UK: Luniver Press, 2008.
[14] Deb K, Pratap A, Agarwal S, Meyarivan T.A fast and elitist multi-objective genetic algorithm: NSGA-II[J]. IEEE Trans. on Evolutionary Computation (S1089-778X), 2002, 6(2): 182-197.
[15] 雷德明, 吴智铭. Pareto档案多目标粒子群优化[J]. 模式识别与人工智能, 2006, 19(4): 475-480.

多目标布谷鸟搜索算法

Multi-objective Cuckoo Search Algorithm

PDF (PC)

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 4

编辑推荐

Metrics

本文评价

[1]	董海, 高秀秀, 魏铭琦. 基于ACS-DBN的电弧增材制造焊道尺寸预测[J]. 系统仿真学报, 2021, 33(12): 2828-2837.
[2]	刘景森, 刘晓珍, 李煜. 具有动态步长和发现概率的布谷鸟搜索算法[J]. 系统仿真学报, 2020, 32(2): 289-298.
[3]	雷玉昌, 张登成, 张艳华, 苏光旭, 罗浩, 詹韧. 一种双后掠翼飞行器气动布局的多目标优化设计[J]. 系统仿真学报, 2019, 31(12): 2885-2891.
[4]	吴振龙, 何婷, 王灵梅, 贾峰生, 杨云凯, 吴海曙, 李东海, 韩磊. 基于多目标遗传算法的过热汽温建模与仿真[J]. 系统仿真学报, 2017, 29(9): 2081-2086.