计算机应用

作者：李二超, 李康伟

单位：兰州理工大学 电气工程与信息工程学院, 兰州 730050

关键词：进化优化算法,多目标优化问题,收敛性,多样性,分布性,分解

基金：国家自然科学基金资助项目（61763026）。

针对基于帕累托（Pareto）支配的多目标进化算法在解决高维问题时选择压力降低，以及基于分解的多目标进化算法在提高收敛性和分布性的同时降低了种群多样性的问题，提出了一种基于最小距离和聚合策略的分解多目标进化算法。首先，使用基于角度分解的技术将目标空间分解为指定个数的子空间来提高种群的多样性；然后，在生成新解的过程中加入基于聚合的交叉邻域方法，使生成的新解更接近于父代解；最后，分两阶段在每个子空间内基于最小距离和聚合策略来选择解以提高收敛性和分布性。为了验证所提算法的可行性，采用标准测试函数ZDT和DTLZ进行仿真实验，结果表明所提算法的总体性能均优于经典的基于分解的多目标进化算法（MOEA/D）、MOEA/D-DE、NSGA-Ⅲ和GrEA。可见，所提算法在提高多样性的同时可以有效平衡收敛性和多样性。

来源：2021年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第1期