科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的多目标进化算法通常协同考虑解的分布性和收敛性，在搜索初期会生成大量的支配解，造成计算资源的浪费，甚至导致算法不收敛。本文提出了一种基于统计信息反馈的分步多目标优化算法。将算法分为单目标探索阶段、单目标到多目标的过渡阶段、群体划分局部优化阶段3个阶段，根据每个阶段的性质设计任务和策略，以增强算法的收敛性和分布性。在第二、三阶段中，根据目标函数值将解划分为不同群体，分别对不同区域解的信息进行统计分析，再根据反馈统计信息指导亲本选择过程，改善解的分布性和收敛性。在DTLZ和WFG系列问题上进行测试，并与其他多目标进化算法进行了比较，实验结果验证了本文算法在复杂、难收敛问题上的优势。
- 单位
