基于模糊C均值聚类的锦标赛选择机制与多目标优化研究

张屹; 余振; 李子木; 陆瞳瞳

doi:10.3969/j.issn.0372-2112.2017.11.015

您当前的位置：

首页 >

文章列表页 >

基于模糊C均值聚类的锦标赛选择机制与多目标优化研究

学术论文 | 更新时间：2025-07-16

- 基于模糊C均值聚类的锦标赛选择机制与多目标优化研究
- Tournament Selection for Multiobjective Optimization Based on Fuzzy C-Means Clustering Method
- 电子学报 2017年45卷第11期页码：2677-2684
- 作者机构：
  
  1. 三峡大学机械与动力学院,湖北,宜昌,443002
  2. 常州大学商学院,江苏,常州,213164
  3. 三峡大学机械与动力学院,湖北,宜昌,443002
  4. 常州大学商学院,江苏,常州,213164
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.71501110）
- DOI：10.3969/j.issn.0372-2112.2017.11.015
  中图分类号： TP18
- 网络出版：2017-11-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
张屹, 余振, 李子木, 等. 基于模糊C均值聚类的锦标赛选择机制与多目标优化研究[J]. 电子学报, 2017,45(11):2677-2684.

ZHANG Yi, YU Zhen, LI Zi-mu, et al. Tournament Selection for Multiobjective Optimization Based on Fuzzy C-Means Clustering Method[J]. Acta Electronica Sinica, 2017, 45(11): 2677-2684.
张屹, 余振, 李子木, 等. 基于模糊C均值聚类的锦标赛选择机制与多目标优化研究[J]. 电子学报, 2017,45(11):2677-2684. DOI： 10.3969/j.issn.0372-2112.2017.11.015.

ZHANG Yi, YU Zhen, LI Zi-mu, et al. Tournament Selection for Multiobjective Optimization Based on Fuzzy C-Means Clustering Method[J]. Acta Electronica Sinica, 2017, 45(11): 2677-2684. DOI： 10.3969/j.issn.0372-2112.2017.11.015.

摘要

本文提出了一种用于多目标优化的进化算法基于模糊C均值聚类的进化算法（A Fuzzy C-Means Clustering Based Evolutionary Algorithm，FCEA）.在算法的迭代过程中，先利用模糊C均值聚类算法寻找种群的分布结构，通过对每一代种群进行模糊划分，获得每个个体隶属于每一类的隶属度，然后本文设计了一种基于隶属度的锦标赛选择算子，用于从整个种群中选择相似个体进行重组，引导算法进行搜索.实验结果表明，基于隶属度的锦标赛选择算子的应用能够提升算法的性能，与MOEA/D-DE、NSGAⅡ、SPEA2、SMS-EMOA等先进的优化算法进行比较的结果表明，FCEA在求解具有复杂Pareto前沿的多目标优化问题（GLT系列）时具有一定的竞争力.

Abstract

A fuzzy C-means clustering based evolutionary algorithm called FCEA was proposed to optimize multiobjective optimization problems.In the process of iteration of this algorithm

a fuzzy C-means clustering method is firstly employed to implement a fuzzy partition of the population so as to discover the population distribution structure and to obtain a membership matrix of the population at each generation.According to the distribution structure

a membership based tournament selection strategy (MBTS) is designed to select neighboring solutions from the population for recombination and to guide search.The experiments present that MBTS significantly contributes to the performance of FCEA.Comparison experiments show that the proposed FCEA outperforms MOEA/D-DE

NSGAⅡ

SPEA2 and SMS-EMOA on solving GLT test suite with complicated Pareto Front (PF) shapes.

关键词

Keywords

references

浏览量

330

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

车联网中基于位置信息映射和相关性评估的进化多任务优化算法

MaOEA/A2R：一种基于A2R支配关系的高维多目标进化算法

基于动态分解和角度惩罚距离的高维多目标进化算法

求解高维昂贵多目标问题的约束型Dropout代理辅助进化算法

基于SOM聚类和自适应算子选择的高维多目标进化算法