论文研究-多目标进化算法搜索鲁棒最优解效率研究.pdf
鲁棒最优解是进化计算研究的重要方面,同时也是研究难点。多目标进化算法搜索鲁棒最优解时,通常要用蒙特卡罗积分(MCI)近似估计有效目标函数(EOF),而已有求解方法近似精度不高,使得算法搜索鲁棒最优解的性能较差。提出用拟蒙特卡罗方法(Q-MC)来估计有效目标函数方法,其所引入的Q-MC方法——Korobov点阵能更精确地估计EOF。实验结果表明,与现有的原始蒙特卡罗方法(C-MC)相比,拟蒙特卡罗方法(Q-MC)可以较大地提高多目标进化算法搜索鲁棒最优解的效率。
用户评论