昂贵区间多目标优化空间数据挖掘求解策略

针对优化函数未知的昂贵区间多目标优化问题,提出一种基于主曲线建模的NSGA-II算法.该算法首先根据决策空间流形分布的种群数据构建K主曲线;然后利用所构建的K主曲线模型,通过插值和延展的方法生成子代.与遗传算法的随机生成子代策略相比,通过所提出方法生成有效子代效率会更高.由于目标空间拥挤距离无法求出,为此利用K主曲线找出待测解的前、后近距离解,按照决策空间拥挤距离对同序值解进行筛选,从而实现NSGA-II算法的改进.     

区间多目标优化非支配排序云模型算法

针对区间多目标优化问题,利用云模型对NSGA-II算法进行改进,提出一种非支配排序云模型算法（NSCMA）。首先,从初始云团中随机选取一个云滴作为父代,通过正态云算子生成子代云滴,用来替代传统NSGA-II遗传操作中的交叉和变异;其次,用约束条件对生成的云滴进行筛选处理,避免不可行解进入下一步算法;最后,运用区间占优关系对满足约束条件的解进行占优排序,对无法比较的同序值解计算拥挤距离。仿真结果验证了所设计算法的有效性。