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．/ ^" Y S) m- o/ g7 }' V9 R/ K
; r7 h& Z) I% ~/ _* E# x p
关键词： 高维多目标优化；目标降维；稀疏特征选择
' D5 a- {) o# g: I7 d6 |) b3 N5 {1 I6 t5 ` R' V
0 Q/ R0 L- O! ^. T
* f: J8 [* A r( L2 j, h" T* B- {1 Q
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．" h5 Z1 u' @, n+ R6 ^
( P- o n: `- e1 O% ~$ j8 L
$ k( I: A' G- v
1 n0 {$ Q" s' _, @( F( q
- m0 T' v0 T' r! B" ]) V附件下载：) B+ z5 A; U; N
|
|
/1 
发表于 2021-3-15 10:34
收藏
淘帖
支持！
反对！