MOEA/D聚合函数的二次泛化及其优化性能分析

• 作者: 周怡璐 李叶紫 李锋 王振友
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 多目标优化 基于分解的多目标进化算法 聚合函数
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 综合研究
• 页码范围: 37-44
• 页数: 8页
• 分类号: TP301.6
• 字数: 6491字
• 语种: 中文
• DOI: 10.12052/gdutxb.170147

摘要

基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)是多目标优化算法的一个重要分支,多目标优化的关键问题是如何在算法的收敛性和散布性之间达到良好的平衡.目前主流算法的聚合函数存在着不同的优缺点,尤其是当使用切比雪夫方法选择个体时,经常出现个体偏离权重现象,个体和权重间得不到很好的粘合.本文基于此提出了一种新的聚合函数方法,提高了MOEA/D的性能.该聚合函数的函数形式为二次函数,种群个体在该函数下的等高线是一条二次曲线(本文称双曲线函数方法,Hyperbola Function Method,HYB),是对目前存在的聚合函数的一种泛化形式.该HYB方法相比PBI(Penalty-based Boundary Intersection)方法更强调收敛性,能更容易地在收敛性散布性之间达到平衡.本文测试了MOKP问题及DTLZ系列等测试函数,并与其他算法进行了实验对比,结果显示HYB方法更稳定有效且种群在收敛速度上有一定的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振友	广东工业大学应用数学学院	32	211	7.0	14.0
2	李锋	广东工业大学应用数学学院	24	133	6.0	10.0
3	李叶紫	广东工业大学应用数学学院	3	27	2.0	3.0
4	周怡璐	广东工业大学应用数学学院	3	27	2.0	3.0