高维目标进化算法研究进展

作者：谢承旺; 汪慎文; 谢大同; 郭肇禄

来源：武汉大学学报(工学版), 2012, 45(05): 636-642.

• Pareto支配
• 高维目标优化
• 进化算法
• 收敛性

主流的多目标进化算法在解决目标数目较少的优化问题时具有较好的性能,但当优化目标数目超过4维,即具有高维目标时,算法的性能很快下降,而且搜索的开销快速增长.高维目标进化算法的研究受到了进化计算与工程优化领域的高度关注.鉴于此,对高维目标优化问题的困难进行了分析,并对高维目标进化算法的研究进展进行了综述,总结了各类算法的特点与缺陷,并指出了未来进一步研究的方向.

• 单位
  河北地质大学; 武汉大学; 华东交通大学; 软件工程国家重点实验室