發(fā)布時間：2021-12-17 12:26

　　近年來,超多目標優(yōu)化問題（MaOPs）成為了進化計算領(lǐng)域的研究熱點。然而,在處理各種優(yōu)化問題中,如何有效地平衡收斂性和多樣性仍是一個難題。為了解決上述的問題,該文提出了一種基于分解和支配關(guān)系的超多目標進化算法（DdrEA）。首先利用權(quán)重向量把整個種群分解為一組子種群,這些子種群將進行協(xié)同優(yōu)化;然后利用角度和角度支配關(guān)系計算子種群內(nèi)每個解的值;最后根據(jù)適應(yīng)度值進行精英選擇,即在每個子空間內(nèi)選取適應(yīng)度值最小的解作為精英解進入下一代。DdrEA通過與當前較優(yōu)的NSGA-Ⅱ/AD, RVEA, MOMBI-Ⅱ等多個超多目標進化算法進行實驗對比,實驗結(jié)果表明該文算法性能明顯優(yōu)于對比算法,能夠有效平衡種群的收斂性和多樣性。 

【文章來源】：電子與信息學報. 2020,42(08)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 兩個目標下的角度支配準則

DTLZ1具有線性的帕累托前沿，在這個問題上RVEA獲得了最好的性能。而DTLZ2-DTLZ4具有凹的帕累托前沿，DdrEA在這3個測試問題上獲得了較好的性能，這證明了DdrEA具有較好的處理規(guī)則帕累托前沿的能力。DTLZ5-DTLZ6具有斷開的帕累托前沿，DdrEA在處理這類退化的帕累托前沿時的性能要比RVEA好，而NSGA-II/AD在這兩個測試問題上的性能非常優(yōu)越，明顯優(yōu)于Ddr EA。DTLZ7具有斷開的帕累托前沿，DdrEA的性能明顯優(yōu)于3個對比算法。圖3 各算法在10目標WFG9問題上獲得的結(jié)果

圖2 各算法在15目標WFG1問題上獲得的結(jié)果此外，算法不可能在每個測試問題上都優(yōu)于對比算法，從實驗結(jié)果可以看出，NSGA-II/AD在DTLZ5和DTLZ6上的性能明顯優(yōu)于3個對比算法，而RVEA在DTLZ1和DTLZ3上的性能非常優(yōu)越。綜合實驗結(jié)果和上述分析可知，DdrEA在求解超多目標優(yōu)化問題時展現(xiàn)出良好的性能。

【參考文獻】：
期刊論文
[1]基于多目標優(yōu)化NSGA2改進算法的結(jié)構(gòu)動力學模型確認[J]. 賴文星,鄧忠民,張鑫杰.  計算力學學報. 2018(06)
[2]基于權(quán)重迭代的偏好多目標分解算法解決參考點對算法影響的研究[J]. 鄭金華,喻果,賈月.  電子學報. 2016(01)



本文編號：3540118