為提高高維多目標進化算法的性能,提出了一個基于新的適應度函數(shù)和多搜索策略的高維多目標進化算法。該算法提出了一個新的適應度函數(shù)來平衡多樣性和收斂性,并且設(shè)計了一個多搜索策略來幫助交叉算子產(chǎn)生優(yōu)秀的后代進而提高收斂性。該適應度函數(shù)首先從當前種群和新產(chǎn)生的后代中挑出收斂性較好的個體,然后計算這些個體的稀疏程度;該多搜索策略選擇稀疏且收斂的解來執(zhí)行全局和局部搜索。數(shù)值實驗測試了CEC2018高維多目標競賽的15個測試問題,每個測試問題的目標個數(shù)分別為5、10、15。實驗結(jié)果表明,該算法能找到一組比四種代表性算法(如NSGAIII、MOEA/DD、Kn EA、RVEA)具有更好的多樣性和收斂性的解集。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 相關(guān)研究
2 高維多目標優(yōu)化的相關(guān)概念
3 基于新的適應度函數(shù)和多搜索策略的高維多目標進化算法
    3.1 新的適應度函數(shù)
    3.2 多搜索策略和交叉算子
    3.3 算法步驟
4 數(shù)值實驗
    4.1 測試問題和參數(shù)設(shè)置
    4.2 性能指標
    4.3 數(shù)值實驗結(jié)果
5 結(jié)束語



本文編號：3772533