推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

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

更新时间:2019-12-24 07:07:16 大小:2M 上传用户:zhiyao6查看TA发布的资源 标签:模糊C均值聚类 下载积分:1分 评价赚积分 (如何评价?) 收藏 评论(0) 举报

资料介绍

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.


部分文件列表

文件名 大小
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.pdf 2M

部分页面预览

(完整内容请下载后查看)
11 期  
ꢀ  
ꢀ  
ꢀ  
Vol.45ꢀ No.11  
Nov.ꢀ 2017  
2017 11 月  
ACTA ELECTRONICA SINICA  
基于模糊 均值聚类的锦标赛选择机制  
与多目标优化研究  
李子木陆瞳瞳2  
(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)  
ꢀ ꢀ 本文提出了一种用于多目标优化的进化算法基于模糊 均值聚类的进化算法uzzy C⁃Means  
Clustering Based Evolutionary Algorithm,FCEA在算法的迭代过程中先利用模糊 均值聚类算法寻找种群的分布结  
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MOE⁃DE、NSGAII、SPEA2、SMS⁃EMOA 等先进的优化算法进行比较的结果表  
,FCEA 在求解具有复杂 Pareto 前沿的多目标优化问题LT 系列时具有一定的竞争力.  
关键词进化算法多目标优化模糊 均值聚类隶属度选择  
中图分类号ꢀ TP18ꢀ ꢀ ꢀ 文献标识码ꢀ Aꢀ ꢀ ꢀ 文章编号ꢀ 0372⁃2112 (2017)11⁃2677⁃08  
电子学报 URLhttp/ / ww.ejournal.org.cnꢀ  
DOI: 10.396 .issn.0372⁃2112.2017.11.015  
Tournament Selection for Multiobjective Optimization  
Based on Fuzzy C⁃Means Clustering Method  
ZHANG Yi,YU Zhen,LI Zi⁃mu,LU Tong⁃tong2  
(1.College of Mechanical and Power EngineeringChina Three Gorges UniversityYichangHubei 443002,China;  
.School of BusinessChangzhou UniversityChangzhouJiangsu 213164,China)  
Abstract:ꢀ A fuzzy C⁃means clustering based evolutionary algorithm called FCEA was proposed to optimize multiob⁃  
jective optimization problems.In the process of iteration of this algorithma fuzzy C⁃means clustering method is firstly em⁃  
ployed 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 structurea membership based tourna⁃  
ment selection strategy MBTSis 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 FCEAomparison experi⁃  
ments show that the proposed FCEA outperforms MOE ⁃DENSGAIISPEAand SMS⁃EMOA on solving GLT test  
suite with complicated Pareto Front PFshapes.  
Key words:ꢀ evolutionary algorithmmultiobjective optimizationfuzzy C⁃means clustermembership selection  
算法和基于分解的多目标进化算法基于支配的多目标  
进化算法包括 NSGAII[1] PEA 改进后的 SPEA2[2]  
1ꢀ 引言  
ꢀ ꢀ 工程领域和科学研究中的最优化问题经常需要同  
时处理多个相互冲突的目标称之为多目标优化问题  
ultiobjective Optimization Problems,MOPs目前用于  
解决多目标优化问题的多目标进化算法ultiobjective  
Evolutionary Algorithms,MOEAs) 大致可以分为三类即  
基于支配的多目标进化算法基于指标的多目标进化  
对于基于分解和基于指标的多目标进化算法有代  
表性的分别是 MOE[3,4] SMS⁃EMOA[5]  
此外为了改善多目标进化算法的收敛性和多样  
性等性能许多基于聚类的多目标进化算法成为研究  
热点.Wenbin [6] 将聚类应用于环境选择过程提出了  
一种基于模糊 值聚类的多目标遗传算法antosh  
收稿日期:2016⁃05⁃23;修回日期:2016⁃12⁃14;责任编辑李勇锋  
基金项目国家自然科学基金o.71501110)  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ 报  
2017 年  
2678  
Mungle [7] 利用模糊聚类减小 Pareto 集的大小设  
Step7 更新种群利用更新准则生成下一代种群  
计出了一种基于聚类的遗传算法u Chunguo [8]  
P A.  
Step8 判断终止条件若算法的迭代次数达到上  
计了基于近邻传播聚类的遗传算法提出了一种基于  
[9]  
maxGens则输出最终种群 否则跳转至 Step2.  
2.2ꢀ 模糊 均值聚类算法  
模糊 均值聚类算法CM[10] 主要用于对数据集  
进行模糊划分假设有 个数据点 ,…,需要分  
则对这些数据点的模糊划分可以表示成一个  
聚类的适应度赋值策略.M A Abido  
设计了一种基于  
分层聚类的多目标进化算法通过引入分层聚类来剔  
除多余的非支配个体目前多数基于聚类的多目标进  
化算法主要集中研究聚类在环境选择过程中的应用,  
对如何选择优良父代个体的研究很少.  
隶属度矩阵 μij 1<,1≤该隶属度矩阵需  
本文通过引入聚类算法设计了一种基于隶属度  
的锦标赛选择算子embership Based Tournament Se⁃  
lection Operator,MBTS以标准遗传算法为基础提出了  
基于值聚类的进化算法 ( A Fuzzy C⁃Means  
Clustering Based Evolutionary AlgorithmCE). 传统  
的锦标赛选择算子不同的是,MBTS 采用隶属度锦标赛  
选择机制进行父代个体的选择仅仅使用了种群的聚  
类信息实验结果表明,FCEA 与其他几种经典的进化算  
法相比具有一定的竞争力.  
满足如下条件:  
μij ∈[0,1]  
(1)  
(2)  
μ
1,1≤N  
ij  
0<  
μ ,1≤C  
(3)  
ij  
其中 μij 表示第 个数据点隶属于第 类的隶属度μij 的  
值越高表示第 个数据点隶属于第 类的程度越高.  
FCM 算法的流程如算法 所示.  
2ꢀ 基于模糊 均值聚类的进化算法  
算法 1ꢀ FuzzyC⁃means)  
2.1ꢀ FCEA 算法描述  
×
1.Input:,…,umber of clusters ositive⁃definite ( n n)  
weight matrix ,weighting exponent ,1ư 5≤≤3ư 0,maximum number  
iterations t.  
FCEA 算法的流程如下所示:  
Step1 初始化初始化种群 ,…,配  
置算法中的相关参数如聚类个数 进化代数 maxGens、  
2.Generate an initial membership matrix randomly,μij .  
3.for 1 to do  
交叉变异概率等并构建一个外部种群 A P.  
μ i  
Step2 聚类操作利用模糊 均值聚类算法uzzy  
C⁃Means Clustering Method,FCM对种群 进行聚类获  
ij  
4.Update the cluster centersꢀ υj  
5.Update membership valuesꢀ μij  
μ m  
ij  
得种群的隶属度矩阵μij 1≤,1≤C.  
υj  
1)  
Step3 构建交配池为每个个体 构建相对应的  
( ( ) )  
υp  
交配池 并执行 Steptep6.  
- -  
μ μij 1)) ≤ε then  
ij  
if  
Step4 选择操作调用基于隶属度的锦标赛选择算  
∑∑  
选择优良父代个体存入集合 MBTS(.  
where ε represents the given sensitivity threshold,ε 0ư 01.  
Step5 交叉变异先利用差分算子将当前个体 i  
与父代个体相加产生交叉个体 再利用多项式变异算  
子对交叉个体进行变异产生变异个体 此外在完成  
交叉与变异后使用修正方案对不在决策空间范围内  
的交叉个体和变异个体进行修正最后将生成的子代个  
7.return membership matrix μij .  
8.end if  
9.end for  
2.3ꢀ 基于隶属度的锦标赛选择算子MBTS)  
FCEA 算法采用了改进的锦标赛选择算子BTS)  
选择父代个体,MBTS 的基本流程如算法 所示首先,  
根据最大隶属度原则确定当前个体所属的类 然后,  
从交配池 中随机选择 个个体并比较其在类 中  
的隶属度值其中隶属度最大的个体将被选作父代个  
体执行交叉变异产生子代.  
存于外部种群 ∪  
修正方案为 i  
, if a  
ì
ï
ï
, else if 别表示基 因 的 上 下  
í
ï
ï
, otherwise  
î
边界.  
算法 2ꢀ MBTS)  
Step6 环境选择操作SMS⁃EMOA[5] 法中  
的基于超体积度量的环境选择算子淘汰种群中质量差  
Input:mating pool ,membership matrix μij ,1≤,1≤,  
cluster index which denotes the cluster that belongs to,a parent  
的个体A EnvironmentalSelection∪{.  

全部评论(0)

暂无评论