基于自变量简约的大规模稀疏多目标优化
Evolutionary algorithm using dimensionality reduction for sparse multi-objective optimization
广东工业大学 数学与统计学院, 广州 510520
摘要
现有的大多数进化算法在求解大规模优化问题时性能会随决策变量维数的增长而下降。通常，多目标优化的Pareto有效解集是自变量空间的一个低维流形，该流形的维度远小于自变量空间的维度。鉴于此，提出一种基于自变量简约的多目标进化算法求解大规模稀疏多目标优化问题。该算法通过引入局部保持投影降维，保留原始自变量空间中的局部近邻关系，并设计一个归档集，将寻找到的非劣解存入其中进行训练，以提高投影的准确性。将该算法与四种流行的多目标进化算法在一系列测试问题和实际应用问题上进行了比较。实验结果表明，所提算法在解决稀疏多目标问题上具有较好的效果。因此，通过自变量简约能降低问题的求解难度，提高算法的搜索效率，在解决大规模稀疏多目标问题方面具有显著的优势。
关键词
基金项目
广东省自然科学基金资助项目(2021A1515011839)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.10.0522
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第6期
所属栏目: 智能优化算法及应用专题
出版页码: 1663-1668
文章编号: 1001-3695(2024)06-009-1663-06
发布历史
[2024-02-01] 优先出版
[2024-06-05] 印刷出版
引用本文
丘雪瑶, 辜方清. 基于自变量简约的大规模稀疏多目标优化 [J]. 计算机应用研究, 2024, 41 (6): 1663-1668. (Qiu Xueyao, Gu Fangqing. Evolutionary algorithm using dimensionality reduction for sparse multi-objective optimization [J]. Application Research of Computers, 2024, 41 (6): 1663-1668. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
