两阶段搜索的多模态多目标差分进化算法

作者：汪慎文; 张佳星; 褚晓凯; 刘厷风; 王晖

来源：郑州大学学报(工学版), 2021, 42(01): 9-14+110.

DOI：10.13705/j.issn.1671-6833.2021.01.002

• 多模态多目标优化
• 差分进化算法
• 两阶段搜索
• 精英变异
• 分区搜索

在多模态多目标优化问题中,Pareto前沿的同一位置对应决策空间的多个Pareto最优解,而已有的多目标优化算法往往只能获得其中的一个Pareto最优解,因此,提出一种两阶段搜索的多模态多目标差分进化算法。该算法将优化过程分为精英搜索和分区搜索两个阶段:在精英搜索阶段通过精英变异策略生成高质量个体来保障种群的搜索精度和效率;在分区搜索阶段将决策空间分为若干子空间,利用已探测到的种群对各个子空间进行深度探索,降低问题复杂度的同时提高种群在决策空间的扩展性和均匀性。在MMF1等18个多模态多目标优化测试函数上与NSGAII、MORingPSOSCD、DN-NSGAII、Omni-Optimizer、MMODE 5种经典算法进行性能比较。实验结果表明,本文算法在帕累托近似性(PSP)性能指标上有16个测试函数优于其他5个对比算法。

• 单位
  中国信息通信研究院; 南昌工程学院; 河北地质大学