湖南省教育厅优秀青年基金(10B062)
- 作品数：2 被引量：9H指数：2
- 相关作者：许波彭志平余建平陈晓龙柯文德更多>>
- 相关机构：广东石油化工学院湖南师范大学湖南大学更多>>
- 发文基金：湖南省教育厅优秀青年基金国家自然科学基金广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于云模型的多目标进化算法被引量：5
- 2012年
- 在多目标进化算法的基础上,提出了一种基于云模型的多目标进化算法(CMOEA).算法设计了一种新的变异算子来自适应地调整变异概率,使得算法具有良好的局部搜索能力.算法采用小生境技术,其半径按X条件云发生器非线性动态地调整以便于保持解的多样性,同时动态计算个体的拥挤距离并采用云模型参数来估计个体的拥挤度,逐个删除种群中超出的非劣解以保持解的分布性.将该算法用于多目标0/1背包问题来测试CMOEA的性能,并与目前最流行且有效的多目标进化算法NSGA-II及SPEA2进行了比较.结果表明,CMOEA具有良好的搜索性能,并能很好地维持种群的多样性,快速收敛到Pareto前沿,所获得的Pareto最优解集具有更好的收敛性与分布性.
- 许波彭志平陈晓龙柯文德余建平
- 关键词：多目标优化多目标进化算法云模型PARETO最优解
- 基于量子多目标进化算法的多任务Agent联盟生成被引量：4
- 2012年
- 多Agent联盟生成是多Agent系统的关键问题之一,主要研究如何在多Agent系统中动态生成面向任务的最优联盟.为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优,提出了联盟多目标综合评价模型,并将量子进化多目标算法应用于多目标多任务Agent联盟问题,运用编码的映射,将资源组合和任务分配合并为一个过程,降低了问题的复杂性.对比实验结果表明该算法求得的解的质量高,平衡性好,能有效避免了联盟死锁和资源浪费.
- 许波彭志平余建平王永
- 关键词：多AGENT联盟生成多目标优化
