科研之友
微信
新浪微博
Facebook
分享链接
摘要
多目标优化问题广泛存在于高速列车头形设计、重叠社区检测、电力调度等领域。为解决这类问题,目前方法主要集中于求解具有规则性帕累托前沿的问题,而非具有不规则帕累托前沿的问题。针对这种情况,提出一种基于动态资源分配分解的高维多目标进化算法(Ma OEA/D-DRA)进行不规则优化。该算法能够根据问题的帕累托前沿形状,将计算资源动态分配到不同搜索区域。在搜索过程中使用进化种群和外部存档,从外部存档中提取的信息用于引导进化种群到不同搜索区域。进化种群采用切比雪夫方法将问题分解为若干子问题,并以协作方式优化所有子问题。采用转化的密度估计方法更新外部档案。将所提算法与5种最先进的多目标进化算法对比。实验结果表明,所提算法在收敛速度和种群成员多样性方面优于5种对比算法。与加权和方法和基于惩罚的边界相交方法比较,将切比切夫方法集成到算法中,对性能有一定提高。
- 单位
