约束多目标人工蜂群算法

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (02): 397-403.

约束多目标人工蜂群算法

毕晓君, 王艳娇

哈尔滨工程大学信息与通信工程学院, 哈尔滨 150001

收稿日期:2012-02-27 出版日期:2013-03-01 发布日期:2013-03-01
作者简介:毕晓君(1964-),女,教授.研究方向:图像处理,进化算法与人工智能.E-mail:bixiaojun@hrbeu.edu.cn
基金资助:
国家自然科学基金项目(61175126).

Constraint multi-objective evolutionary algorithm based on artificial bee colony algorithm

BI Xiao-jun, WANG Yan-jiao

College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China

Received:2012-02-27 Online:2013-03-01 Published:2013-03-01

摘要/Abstract

摘要： 为提高约束多目标进化算法的收敛性和解集分布性,提出一种基于人工蜂群算法的改进约束多目标进化算法CMABC。在利用外部种群分别存储较优可行解和不可行解处理约束条件的基础上,根据约束多目标问题的特点,对外部种群的更新方式、迭代种群的更新方式及人工蜂群算法进行改进。实验仿真结果表明,CMABC相对于目前性能较好的MOABC及HPSO具有一定优势,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,适合于约束多目标优化问题的求解。

关键词: 人工智能, 约束多目标优化, 人工蜂群算法, 搜索策略

Abstract: To improve the convergence and diversity of constraint multi-objective evolutionary algorithms, a novel constraintd multi-objective evolutionary algorithm, named CMABC, based on Artificial Bee Colony (ABC) algorithm is proposed. CMABC treats constraint conditions using external population storing feasible and unfeasible solutions. In addition, according to the feature of constraint multi-objective optimal problems, the update method of external and iterative population, and the ABC algorithm are improved. Experiment results show that the CMABC outperforms the state-of-the-art Multi-Objective Artificial Bee Colony (MOABC) algorithm and Hybrid Particle Swarm Optimization (HPSO) algorithm in terms of convergence and diversity matrics, which proves the superiority of CMABC in solving constraint multi-objective optimal problems.

Key words: artificial intelligence, constraint multi-objective optimization, artificial bee colony algorithm, search strategy

中图分类号:

TP18

毕晓君, 王艳娇. 约束多目标人工蜂群算法[J]. 吉林大学学报(工学版), 2013, 43(02): 397-403.

BI Xiao-jun, WANG Yan-jiao. Constraint multi-objective evolutionary algorithm based on artificial bee colony algorithm[J]. 吉林大学学报(工学版), 2013, 43(02): 397-403.

参考文献

[1] Karaboga D, Basturk B. On the performance of artificial bee colony (ABC) algorithm[J]. Applied Soft Computing, 2008,8(1):687-697.

[2] Reza A, Ramin H, Koorush Z, et al. A multi-objective artificial bee colony algorithm[J]. Swarm and Evolutionary Computation,2012,2(1):39-52.

[3] 张勇,巩敦卫,任永强,等. 用于约束优化的简洁多目标微粒群优化算法[J]. 电子学报,2011, 39(6):1436-1440. Zhang Yong, Gong Dun-wei, Ren Yong-qiang, et al. Barebones multi-objective particle swarm optimizer for constrained optimization problems[J]. Acta Electronica Sinica,2011, 39(6):1436-1440.

[4] Huang V L, Suganthan P N, Qin A K, et al. Multi-objective differential evolution with external archive and harmonic distance-based diversity measure. Nanyang Technological University, Singapore, 2005.

[5] 毕晓君,王艳娇.加速收敛的人工蜂群算法[J].系统工程与电子技术,2011,33(12):2755-2761. Bi Xiao-jun, Wang Yan-jiao. Artificial bee colony algorithm with fast convergence[J]. Journal of Systems Engineering and Electronics,2011,33(12):2755-2761.

[6] Wang Mao-cai, Dai Guang-ming, Hu Han-ping, et al. Improved NSGA-II Algorithm for optimization of constrained functions//2010 International Conference on Machine Vision and Human-machine Interface, Kaifeng, China, 2010.

[7] Coello C A C, Pulido G T, Lechuga M S. Handling multiple objectives with particle swarm optimization[J]. IEEE Trans on Evolutionary Computation, 2004,8(3): 256-279.

[8] 尚荣华,焦李成,马文萍,等.用于约束多目标优化的免疫记忆克隆算法[J].电子学报,2009,37(6):1289-1294. Shang Rong-hua, Jiao Li-cheng, Ma Wen-ping, et al. An immune memory clone algorithm for constrained multi-objective optimization[J]. Acta Electronica Sinica,2009,37(6):1289-1294.

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	夏利红, 邓兆祥. 电子机械制动执行器的整体最优匹配设计[J]. 吉林大学学报(工学版), 2018, 48(4): 998-1007.
[4]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[5]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[6]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[7]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[8]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[9]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[10]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[11]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[12]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[13]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[14]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[15]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed