采用个体进化状态判定策略的分解类多目标进化算法

作者：李浩君; 刘中锋; 王万良; 张征; 张鹏威

来源：小型微型计算机系统, 2018, 39(08): 1668-1673.

• 个体进化状态
• 变异算子
• 多目标
• 分解

多目标进化算法应用非常广泛,但易陷入局部Pareto前沿.为了提高多目标进化算法平衡全局探索与局部开发的能力,使算法收敛到完整的Pareto前沿,本文提出采用个体进化状态判定策略的分解类多目标进化算法(MOEA/DPE),MOEA/DPE算法采用个体进化状态判定策略,判定个体当前的进化状态,然后为个体选择适合其进化状态的变异算子,从而提高算法平衡全局探索与局部开发的能力,使算法收敛到完整的Pareto前沿.实验研究表明,MOEA/DPE算法在测试函数中表现出,比非支配排序多目标遗传算法和分解类多目标进化算法更好的收敛性和多样性,能够更好地收敛到完整的Pareto前沿.

• 单位
  浙江工业大学