多目标优化算法——基于聚类的不规则Pareto前沿多目标优化自适应进化算法(CA-MOEA)

基于聚类的不规则Pareto前沿多目标优化自适应进化算法(CA-MOEA)

一、算法简介
  1. 简介:

    现有的多目标进化算法(moea)在具有规则Pareto前沿且Pareto最优解在目标空间上连续分布的多目标优化问题(MOPs)上表现良好。当Pareto前沿不连续或退化时,现有的大多数算法都不能得到很好的结果。为了解决这一问题,本文提出了一种基于聚类的自适应MOEA (CA-MOEA)算法来求解具有不规则Pareto前沿的MOPs。

    其主要思想是自适应地产生一组聚类中心,以指导每一代的选择,保持多样性和加速收敛。研究结果证明了CA-MOEA在多目标优化中的竞争力,特别是对于不规则Pareto前沿问题。此外,CA-MOEA在碳纤维成形过程中拉伸参数的优化方面表现良好。

  2. 现有算法的局限性:

    • 基于指标的MOEAs: 在不规则Pareto前沿情况下,非Pareto最优解可能会对指标贡献更大,导致选择偏差。
    • 基于分解的MOEAs: 需要预先定义一组权重向量,但在不规则Pareto前沿情况下,大量权重向量会被浪费,导致性能下降。
    • 基于Pareto支配的MOEAs: 多样性维护机制(如拥挤距离)在不规则Pareto前沿情况下可能会失效,导致丢失重要的解。
    • 协同进化MOEAs(CMOEAs): 处理具有复杂相互依赖性的问题时,决策变量分解变得困难,且保持种群多样性也面临挑战。
  3. 聚类:

    • 划分方法(Partitioning Methods):例如:k-means、k-中心点(k-centroid)及其变体。这类方法需要预先定义聚类中心,且结果严重依赖于初始聚类中心的选择。
    • 基于密度的方法(Density-Based Methods):例如:基于密度的空间聚类应用噪声(DBSCAN)。这类方法将高密度区域视为簇,并将其与低密度区域分开。然而,低密度区域中的个体可能对优化具有重要意义,因此这类方法不适用于处理不规则Pareto前沿的问题。
    • 基于网格的方法(Grid-Based Methods):例如:基于统计信息网格的方法。这类方法通常不能独立工作,而是用于减少其他聚类算法的计算时间。
    • 基于模型的方法(Model-Based Methods):这类方法采用某种模型并试图找到最适合该模型的数据。其主要缺点是计算量大。
    • 层次聚类方法(Hierarchical Clustering Methods):包括**自底向上(bottom-up)和自顶向下(top-down)**两种方法。
      • 自底向上方法首先将每个数据点视为独立的簇,然后根据某种链接准则逐步合并簇,直到所有簇合并为一个。
      • 自顶向下方法则相反,首先将所有数据点视为一个簇,然后逐步将其划分为更小的簇。它不需要指定聚类的数量,也不假设数据是正态分布。
  4. 采用Ward链接准则:使同一簇内的误差平方和最小化,而使不同簇之间的误差最大化,最有可能将非支配前沿的解均匀地划分为所需数量的组。

    任意两个簇之间的距离使用如下公式计算:

在这里插入图片描述

选择距离最小的两个簇将其合并,并计算聚类中心:计算每个目标上的值,每个解在该目标上的值的和/该簇中解的个数

在这里插入图片描述

D,E合并后的聚类中心G((8+10)/2,(4+2)/2)====> (9,3)

在这里插入图片描述

二、算法流程

​ CA-MOEA采用自底向上的层次聚类方法

  1. 算法流程:

    N种群大小,g代数,M目标的数量,V决策变量数,B约束条件,Fl从1,2,3到l层的所有解的集合

    (1)随机初始化父代种群P,大小为N。

    (2)通过采用模拟二元交叉(SBX)和多项式突变产生大小为N的子代群体Q,采用精英保留机制合并父代种群P和子代种群Q为整体种群P(2N),交叉概率pc = 1.0,突变概率pm = 1/V

    (3)对P进行快速非支配排序。将组合种群P中的2N个解排序到L个非支配前沿f1, f2,…,fL。从前往后选择N个解。

    (4)如果选到l层,Fl的大小大于N,而选到l-1层,Fl的大小小于N,则选出l层的前K=N-|Fl-1|个解。

    (5)计算聚类中心。

    (6)基于聚类的选择。

    (7)选则的解数量到N个或者迭代次数到g,结束循环。

  2. 主循环
    在这里插入图片描述

  3. 计算聚类中心:

    将fl层中的解使用如下公式归一化到**[0,1]**:
    在这里插入图片描述

    使用层次聚类算法(Ward 链接准则)将第l层的个体划分为 K个簇:

    初始状态,每个个体作为一个独立的簇。根据 Ward 链接准则,合并最相似的两簇,直到达到预定的簇数量 K,计算生成的K个簇的聚类中心。

在这里插入图片描述

  1. 基于聚类的自适应环境选择:

    个体分配:

    • 计算每个个体与各个聚类中心之间的欧氏距离。
    • 将每个个体分配到与其距离最近的聚类中心。

    个体选择:

    初始化集合:

    • 初始化三个集合 T_1、T_2 和 T_3。
    • T_1用于存放每个簇中距离聚类中心最近的个体。
    • T_2用于存放nCj>=3时,每个簇中除最近个体外的其他个体。
    • T_3用于存nCj<3时,每个簇中除最近个体外的其他个体。

    个体选择:

    ​ 依次从T1,T2,T3中选取解,直至选满K个为止。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/66451.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

短诗《腊八粥》

《腊八粥》现•佚名已买花生同煮粥&#xff0c;粥不似&#xff0c;少年稠也不复&#xff0c;少年仇亦不赴&#xff0c;少年愁终不负&#xff0c;少年筹 &#xff08;主编目前所有分类&#xff1a; 身&#xff0c;心&#xff0c;灵思 工作&#xff0c;生活 创作 剧 让世界更…

封装深拷贝方法

前言 在今年的四月份我写了一篇有关深拷贝的博客文章 我与深拷贝_radash 深拷贝-CSDN博客。在该文章中有一个令我感到遗憾的点就是我没有实现一个自己手写的深拷贝。如今我想弥补当初的遗憾&#xff0c;在这篇文章中详细的讲述一下如何手写一个深拷贝方法。 lodash中是如何实…

数据结构:树

数据结构中的树 树&#xff08;Tree&#xff09;是一种非线性数据结构&#xff0c;用于表示具有层次结构的数据。树结构由节点&#xff08;Node&#xff09;和边&#xff08;Edge&#xff09;组成&#xff0c;节点之间通过边连接&#xff0c;形成父子关系。树是一种抽象数据类…

【信息系统项目管理师】第15章:项目风险管理过程详解

更多内容请见: 备考信息系统项目管理师-专栏介绍和目录 文章目录 一、规划风险管理1、输入2、工具与技术3、输出二、识别风险1、输入2、工具与技术3、输出三、实施定性风险分析1、输入2、工具与技术3、输出四、实施定量风险分析1、输入2、工具与技术3、输出五、规划风险应对1、…

flutter web 路由问题

开发问题背景&#xff1a; flutte 项目中开发网页暴露出来供外部的 网页调用&#xff0c;并不是跳转到项目的首页 项目中使用的路由是 GetX 4.6.0 存在的问题 跳回到首页的问题 web -> flutterflutter 使用 history.back 到web&#xff0c;web forward 到 flutter 此时…

在不到 5 分钟的时间内将威胁情报 PDF 添加为 AI 助手的自定义知识

作者&#xff1a;来自 Elastic jamesspi 安全运营团队通常会维护威胁情报报告的存储库&#xff0c;这些报告包含由报告提供商生成的大量知识。然而&#xff0c;挑战在于&#xff0c;这些报告的内容通常以 PDF 格式存在&#xff0c;使得在处理安全事件或调查时难以检索和引用相关…

二、模型训练与优化遇到的问题1:python=3.10:指定 Python 版本为 3.10。这里为什么指定版本为3.10,有什么依据

目录 一、Python 版本选择的依据 1. TensorFlow 和 Keras 的兼容性 2. Python 3.10 的优势 二、如何选择适合的 Python 版本 1. 检查 TensorFlow 的官方兼容性文档 2. 选择受支持且稳定的版本 3. 避免使用过于旧或过新的版本 三、如何在 Anaconda 中选择不同的 Python …

探索 Vue.js 的动态样式与交互:一个有趣的样式调整应用

修改日期备注2025.1.3初版 一、前言 今天和大家分享在 Vue.js 学习过程中开发的超酷的小应用。这个应用可以让我们通过一些简单的交互元素&#xff0c;如复选框、下拉菜单和输入框&#xff0c;来动态地改变页面上元素的样式哦 让我们一起深入了解一下这个项目的实现过程&…

css出现边框

前言 正常情况下&#xff0c;开启 contenteditable 属性后会出现 “黑色边框”。 如下图所示&#xff0c;很影响美观&#xff1a; 您可能想去掉它&#xff0c;就像下面这样&#xff1a; 解决方案 通过选择器&#xff0c;将 focus 聚焦时移除 outline 属性即可。 如下代码所示&a…

恋爱脑学编程之C++模板编程大冒险

一、模板编程初相识&#xff1a;开启泛型编程魔法之旅 嘿&#xff0c;小伙伴们&#xff01;今天咱们要一起探索C中超级厉害的模板编程。它就像是一把万能钥匙&#xff0c;可以打开各种类型数据的大门&#xff0c;让咱们写出超酷的与类型无关的代码&#xff0c;大大提高代码的复…

ubuntu 20.04 安装 5.4 内核

最近需要用linux 5.4内核&#xff08;发现它和5.14 在Block层有些差异&#xff09;&#xff0c;以对比和5.14内核的差异。目前已安装的虚拟机&#xff0c;Centos8的默认内核是4.18&#xff0c;Redhat9.1的内核是5.14&#xff0c;Ubuntu20.04的内核是5.15&#xff0c;故在ubuntu…

enzymejest TDD与BDD开发实战

一、前端自动化测试需要测什么 1. 函数的执行逻辑&#xff0c;对于给定的输入&#xff0c;输出是否符合预期。 2. 用户行为的响应逻辑。 - 对于单元测试而言&#xff0c;测试粒度较细&#xff0c;需要测试内部状态的变更与相应函数是否成功被调用。 - 对于集成测试而言&a…

netty解码器LengthFieldBasedFrameDecoder用法详解

Netty Netty是一个高性能、异步事件驱动的网络应用程序框架,它提供了对并发和异步编程的抽象,使得开发网络应用程序变得更加简单和高效。 在Netty中,EventLoopGroup是处理I/O操作的多线程事件循环器。在上面的示例中,我们创建了两个EventLoopGroup实例:bossGroup和worker…

继承(5)

大家好&#xff0c;今天我们继续来学习继承的相关知识&#xff0c;来看看子类构造方法&#xff08;也叫做构造器&#xff09;是如何做的。 1.6 子类构造方法 父子父子,先有父再有子,即:子类对象构选时,需要先调用基类构造方法,然后执行子类的构造方法 ★此时虽然执行了父类的…

Spring Boot 依赖配置分离多种打包方式

生产上发布 Spring Boot 项目时,但凡代码有一丁点改动,就得把整个项目包括依赖重新打包上传部署,这样的包很大,影响效率 为解决这个问题,可以把依赖(pom中的依赖jar包)、配置文件(resources 下的 applacation.yml 等文件)从项目主体里剥离出来,后续部署时,只需发布代…

VulnHub-Acid(1/100)

参考链接&#xff1a; ​​​​​​​【VulnHub】Acid靶场复盘-CSDN博客 靶场渗透&#xff08;二&#xff09;——Acid渗透_ambassador 靶场渗透-CSDN博客 网络安全从0到0.5之Acid靶机实战渗透测试 | CN-SEC 中文网 Vulnhub靶场渗透练习(四) Acid - 紅人 - 博客园 红日团队…

51c自动驾驶~合集45

我自己的原文哦~ https://blog.51cto.com/whaosoft/13020031 #运动控制和规划控制需要掌握的技术栈~ 各大垃圾家电造车厂又要开始了~~~​ 1、ROS的通信方式 李是Lyapunov的李&#xff1a;谈谈ROS的通信机制 话题通信和服务通信&#xff0c;其中话题通信是通过发布和订阅…

Debian、Ubuntu 22.04和ubuntu 24.04国内镜像源(包括 docker 源)

Debian 更换国内清华源 1、备份原文件mv /etc/apt/sources.list /etc/apt/sources.list.old 2、写入新源&#xff0c;以下是 Debian 11 的&#xff1a; cat > /etc/apt/sources.list << EOF deb https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye main contrib…

【Unity3D】AB包加密(AssetBundle加密)

加密前&#xff1a; 加密后&#xff0c;直接无法加载ab&#xff0c;所以无法正常看到ab内容。 using UnityEngine; using UnityEditor; using System.IO; public static class AssetBundleDemoTest {[MenuItem("Tools/打包!")]public static void Build(){//注意:St…

平面坐标转大地坐标(arcgisPro中进行)

1、将需要转换的红线导入arcgisPro中&#xff0c;如下&#xff1a; 2、在地图菜单栏中&#xff0c;选择坐标转换工具&#xff0c;如下&#xff1a; 3、打开坐标转换工具 4、开启捕捉 5、 设置大地坐标显示格式 6、如下&#xff1a; 7、显示如图&#xff1a; 8、再依次添加几个待…