分区引导种群进化的拟态物理学多目标优化算法

作者：孙宝; 张丽静^*; 李占龙; 范凯; 靳琴琴; 罗芸滢

来源：计算机应用研究, 2023, 40(05): 1381-1409.

DOI：10.19734/j.issn.1001-3695.2022.10.0465

• 拟态物理学
• 多目标
• 非支配排序
• 分区进化
• 质量函数
• 虚拟作用力

针对基本拟态物理学优化(artificial physics optimization, APO)算法易陷入局部最优、分布性不佳等问题，提出一种分区引导种群进化的改进多目标拟态物理学优化(multi-objective APO improved by partition-guided evolution, PEMOAPO)算法。首先，采用tent映射与反向学习相结合的策略进行种群的初始化，增强种群的多样性；其次，提出分区引导个体进行进化的机制，对处于可行域与不可行域的个体，采取不同的质量函数及虚拟作用力计算规则进行迭代更新，增强算法的收敛性能。选取MW系列和C＿DTLZ系列作为基准测试函数进行仿真实验，通过综合性能评价指标对比分析、统计学分析、收敛性分析及时间复杂度分析，表明改进算法具有良好的多样性及收敛性，能快速收敛到Pareto前沿。

• 单位
  太原科技大学