偏好向量引导的高维目标协同进化算法

• 作者: 王丽萍 陈宏 杜洁洁 邱启仓 邱飞岳
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 高维目标优化 协同进化 ASF函数 偏好向量
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 3716-3732
• 页数: 17页
• 分类号: TP18
• 语种: 中文

摘要

多偏好向量引导的协同进化算法(PICEA-g)是将目标向量作为偏好,个体支配目标向量的个数作为适应值,以有效降低高维目标空间中非支配解的比例.但PICEA-g所获解集是近似Pareto前沿,而不是决策者真正感兴趣部分的Pareto最优解,导致算法在处理高维优化问题时性能下降和计算资源的浪费.鉴于此,提出一种基于偏好向量引导的高维目标协同进化算法(ASF-PICEA-g):首先,利用ASF扩展函数将进化种群中的参考点映射至目标空间,并将其作为偏好向量引导种群进化的参考方向;然后,利用偏好区域选择策略获取两个临时参考点,进而构建决策者感兴趣区域(ROI),确定随机偏好集产生的上下界范围,通过协同进化机制引导种群朝偏好区域收敛.将ASF-PICEA-g与g-NSGA-Ⅱ和r-NSGA-Ⅱ在3-20维的WFG系列和DTLZ系列测试函数上进行仿真实验,实验结果表明:ASF-PICEA-g在WFG系列测试函数上表现出了良好的性能,所得解集整体上优于对比算法;在DTLZ系列测试函数上略优于对比算法,尤其在10维以上目标空间,ASF-PICEA-g表现出更好的稳定性,所获解集有较好的收敛性和分布性.