基于分解排序的多目標進化算法的研究.pdf

1、由于基于種群的進化算法在單次運行中能近似出一個Pareto解集，因此多目標進化算法已成為一種較為普遍且有效的求解多目標優(yōu)化問題的方法。本文將基于分解和排序的方法融入到多目標進化算法框架中以求解多目標優(yōu)化問題。本文主要包括如下部分：
　　第一，基于分解的多目標進化算法（如MOEA/D）將一個多目標優(yōu)化問題分解成一組單目標優(yōu)化子問題，然后并行地求解它們。為了在進化過程中進一步平衡算法的收斂性和多樣性，我們提出了一種新的解選擇方法：首先

2、通過解在各個子問題上的收斂性對它們進行整體排序，然后基于解之間的多樣性進行二次選擇。我們將該方法嵌入到基于分解的算法框架中并將它和三個經(jīng)典多目標進化算法以及一個目前較好的多目標算法進行比較。實驗結(jié)果表明所提出的算法非常具有競爭力。
　　第二，在MOEA/D及其變種算法中，每個子問題有且僅有一個解與之關(guān)聯(lián)。隱含的假設(shè)為每個子問題對應(yīng)一個不同的Pareto最優(yōu)解。這種假設(shè)對于一些特殊的多目標優(yōu)化問題（如具有分段的不完整的Pareto前

3、沿的問題）并不成立。為了進一步拓展基于分解的多目標進化算法，在本文提出的算法（MOEA/D-SAS）中，不同的解可被關(guān)聯(lián)到相同的子問題，一些子問題甚至可以沒有解與之關(guān)聯(lián)。同時，不同于其它算法，本文使用了基于分解的排序（DBS）和基于角度的選擇（ABS）來平衡算法的收斂性和多樣性。為了減少算法的計算復雜度，DBS僅對子問題的局部鄰居解進行排序；ABS利用解在目標空間域的角度信息來維持一個更加細化（fine-grained）的多樣性。實驗表