TA的每日心情 | 开心 2020-9-8 15:12 |
---|
签到天数: 2 天 [LV.1]初来乍到
|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
摘 要: 目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种 新的思路和方法.近似解集的几何结构特征和 Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而 现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法, 该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵, 依据此矩阵度量目标的重要性,并利用 Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过 与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较 小.
; r1 D% h, t, ]* \9 n9 W
, e" D2 C9 L1 m* j关键词: 高维多目标优化;目标降维;稀疏特征选择
9 N6 y6 D( o- a8 Q, x1 T/ Y: c# Q5 ]) j9 m) I4 V; n
: [8 |, t; r, t, z$ @. Z+ k4 L
$ i9 ^1 Y' B' E! D! _5 l# ` 近几年,目标个数多于 4个的高维多目标优化问题 (ManyObjectiveOptimizationProblems)[1]引起了学者广泛 关注[2~4].研究发现[5,6],经典的多目标进化算法(Multi ObjectiveEvolutionaryAlgorithms,MOEAs),特 别 是 基 于 Pareto占优机制的算法,虽然能有效地求解 2或 3个目 标的问题,但当目标个数增加时,其收敛能力随之下降. 而且,目标个数的增多也会带来可视化、决策选择以及 计算复杂度增加等困难[7].“维数灾难”是造成高维多目 标优化问题求解困难的主要因素.
/ l3 b0 \/ v$ N4 u. [+ _
; _& R @' T6 f( g1 L- E: K4 ?& @% C) G; ]$ F* ~
0 j* u& L5 E n( U$ \: L0 W6 z) Y( i: b' `6 G# r9 l6 a
附件下载:3 G3 `% t' f: U6 j7 X/ _ k
|
|