基于量子搜索和高斯变异的MOEA/D算法

作者：史册; 周琳霞^*; 鲁宇明

来源：南昌航空大学学报(自然科学版), 2020, 34(02): 15-22.

DOI：10.3969/j.issn.2096-8566.2020.02.003

• 量子搜索
• 高斯变异
• 环境迁移模型
• 吸引点

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。

• 单位
  南昌航空大学