IEC算法及其在多目標(biāo)優(yōu)化中的應(yīng)用
定 價(jià)：18 元
- 作者：趙立江
- 出版時(shí)間：2014/6/1
- ISBN：9787566809339
- 出 版 社：暨南大學(xué)出版社
- 中圖法分類(lèi)：O242.23
- 頁(yè)碼：159
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16K
《IEC算法及其在多目標(biāo)優(yōu)化中的應(yīng)用》總結(jié)了在實(shí)際生活中IEC已經(jīng)應(yīng)用的15個(gè)領(lǐng)域：圖形圖像處理、語(yǔ)音處理和韻律控制、音樂(lè)設(shè)計(jì)、網(wǎng)頁(yè)設(shè)計(jì)、工業(yè)設(shè)計(jì)、人臉圖像、虛擬現(xiàn)實(shí)、數(shù)據(jù)檢索、知識(shí)獲取和數(shù)據(jù)挖掘、控制和機(jī)器人、Inter領(lǐng)域、食品工程、地球物理科學(xué)、藝術(shù)教育和寫(xiě)作教育等并提出如何結(jié)合當(dāng)前的人工智能等技術(shù)，來(lái)解決IEC的進(jìn)化效率問(wèn)題和用戶(hù)的疲勞問(wèn)題是項(xiàng)挑戰(zhàn)性的工作，具有重要的理論意義與應(yīng)用價(jià)值。
MOGA對(duì)種群中每一個(gè)個(gè)體的排序數(shù)是基于Pareto最優(yōu)的概念對(duì)當(dāng)前群體中優(yōu)于該個(gè)體解的其他個(gè)體數(shù)目進(jìn)行統(tǒng)計(jì)，并采用一種基于排序數(shù)的適應(yīng)度賦值方式。另外，該算法采用自適應(yīng)的小生境技術(shù)與受限雜交技術(shù)來(lái)提高種群多樣性，防止解群的過(guò)早收斂。
MOGA采用的是基于排序的適應(yīng)度賦值機(jī)制，排序方法是將群體中的每個(gè)成員與群體中支配該個(gè)體的所有其他個(gè)體的數(shù)目相關(guān)聯(lián)。Pareto前端上所有個(gè)體的排序級(jí)別確定為1級(jí)，其余成員則將優(yōu)于該個(gè)體的成員數(shù)目賦予為排序級(jí)別。MOGA的適應(yīng)度計(jì)算方法同時(shí)考慮群體成員的級(jí)別和群體的平均適應(yīng)度數(shù)值，其賦值過(guò)程是：先將群體進(jìn)行個(gè)體級(jí)別排序，然后根據(jù)預(yù)先設(shè)定的函數(shù)對(duì)最高級(jí)別至最低級(jí)別的個(gè)體進(jìn)行插值，最后讓具有相同級(jí)別的個(gè)體擁有平均的適應(yīng)度值。這種方法可以保證群體中相同級(jí)別的成員具有相等的分布頻率，以適當(dāng)?shù)倪x擇壓力維持一個(gè)整體穩(wěn)定的群體適應(yīng)度。
另外，MOGA采用適應(yīng)度共享方式，稱(chēng)之為擁擠操作算子和小生境操作算子，其中的重要參數(shù)是σshareо σshare是指小生境數(shù)目，必須小心設(shè)置，因?yàn)樗鼘?duì)進(jìn)化結(jié)果比較敏感。Fonseca和Fleming采用小生境方法是在表現(xiàn)型空間實(shí)施的，目的在于獲得Pareto前端均勻分布的解點(diǎn)。
MOGA還采用約束配對(duì)方法，Goldberg最早提出采用約束配對(duì)是為了避免位于某一局部區(qū)域內(nèi)成員的過(guò)度競(jìng)爭(zhēng)。另外，決策者的目標(biāo)和意圖也可以嵌入到適應(yīng)度函數(shù)中。由于決策者最終是從Pareto前端選擇一個(gè)子集作為最后優(yōu)化方案，因而預(yù)先確定Pareto前端的最感興趣區(qū)域?qū)鉀Q優(yōu)化問(wèn)題很有價(jià)值。這種附加的偏好信息以問(wèn)題領(lǐng)域信息形式出現(xiàn)，作為局部搜索操作算子插入到MOGA的算法過(guò)程中。一般來(lái)說(shuō)，決策者偏好的信息可以采用效用函數(shù)來(lái)實(shí)現(xiàn)。效用函數(shù)的另一個(gè)作用是可以輔助決策者從最終的Pareto前端解點(diǎn)選擇出自己認(rèn)為滿(mǎn)意的最佳方案。
MOGA采用格雷編碼對(duì)染色體個(gè)體進(jìn)行編碼，使用兩點(diǎn)置換交叉。在進(jìn)化過(guò)程中所有找到的非劣解點(diǎn)存儲(chǔ)在一個(gè)檔案里。該檔案可以用來(lái)確定如何在下一代中使用σshare值，并與MOGA的運(yùn)行過(guò)程一起迭代更新，即將非劣解點(diǎn)不斷地寫(xiě)入到該檔案集合中，直至算法運(yùn)行到滿(mǎn)足停止準(zhǔn)則為止。
MOGA的主要不足在于如果小生境數(shù)目信息是基于目標(biāo)函數(shù)的，那么兩個(gè)具有相同目標(biāo)函數(shù)向量的不同個(gè)體無(wú)法在同一代種群中存在，這顯然是人們不希望看到的，因?yàn)檫@樣的兩個(gè)解方案有可能恰恰就是決策者想要得到的結(jié)果。這種方法的優(yōu)點(diǎn)是效率較高，而且易于實(shí)現(xiàn)。值得一提的是，F(xiàn)onseca和Fleming從理論上解決了小生境大小規(guī)模的計(jì)算確定問(wèn)題，在實(shí)際應(yīng)用中意義和價(jià)值較大，本書(shū)后文將對(duì)此作進(jìn)一步的深入介紹。
……
書(shū)單推薦
