一种基于多策略差分进化的分解多目标进化算法

• 作者: 邓武 蔡幸 周永权 赵慧敏 徐俊洁
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 多目标优化 多策略差分进化 切比雪夫分解机制 最优变异策略 参数控制
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 论文与报告|Papers and Reports
• 页码范围: 387-392
• 页数: 6页
• 分类号: TP39
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2020.1196

摘要

为了提高多目标优化问题非支配解集合的分布性和收敛性,根据不同差分进化策略的特点,基于切比雪夫分解机制,提出一种基于多策略差分进化的分解多目标进化算法(MOEA/D-WMSDE).该算法首先采用切比雪夫分解机制,将多目标优化问题转化为一系列单目标优化子问题;然后引入小波基函数和正态分布实现差分进化算法的参数控制,探究一种基于5种变异策略优势互补的最优变异策略,提出一种基于参数控制和最优变异策略的多策略差分进化(WMSDE)算法;在此基础上,实现一种基于WMSDE的分解多目标进化算法.采用ZDT和DTLZ测试函数验证MOEA/D-WMSDE算法的有效性,实验结果表明:所提算法在收敛性和分布性方面获得了较大的改进与提高,能够有效求解多目标优化问题;与其他算法对比分析表明,所获得的解集整体质量更优,为多目标问题求解提供了新方法.