科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决现有多目标进化算法难以处理复杂帕累托前沿的问题，本文提出了一种基于改进角度惩罚距离和自适应参考向量的高维多目标进化算法(An Improved Angle Penalized Distance and Adaptive Reference Vector Based Many-objective Evolutionary Algorithm, PDAREA).算法中采用改进的角度惩罚距离策略进行个体选择，有效减少种群中个体收敛性与分布性的冲突.自适应参考向量策略能够根据目标函数的变化动态调整参考向量的分布，有效改善了个体在帕累托前沿上分布不均的问题.通过参考向量再生策略，提高了算法处理带有不规则帕累托前沿问题的能力和效率.最后，将所提算法与七个主流的算法进行仿真实验对比，并应用于两个实际应用中.结果表明，所提算法在求解带有复杂帕累托前沿的高维多目标优化问题上具有较强竞争力，能有效平衡种群收敛性和分布性.
