基于分解排序的多目標(biāo)進(jìn)化算法的研究.pdf

1、由于基于種群的進(jìn)化算法在單次運(yùn)行中能近似出一個Pareto解集，因此多目標(biāo)進(jìn)化算法已成為一種較為普遍且有效的求解多目標(biāo)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(biāo)進(jìn)化算法框架中以求解多目標(biāo)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(biāo)進(jìn)化算法（如MOEA/D）將一個多目標(biāo)優(yōu)化問題分解成一組單目標(biāo)優(yōu)化子問題，然后并行地求解它們。為了在進(jìn)化過程中進(jìn)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(jìn)行整體排序，然后基于解之間的多樣性進(jìn)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(biāo)進(jìn)化算法以及一個目前較好的多目標(biāo)算法進(jìn)行比較。實(shí)驗(yàn)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(biāo)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(jìn)一步拓展基于分解的多目標(biāo)進(jìn)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(jì)算復(fù)雜度，DBS僅對子問題的局部鄰居解進(jìn)行排序；ABS利用解在目標(biāo)空間域的角度信息來維持一個更加細(xì)化（fine-grained）的多樣性。實(shí)驗(yàn)表