基于指标和自适应边界选择的高维多目标优化算法

• 作者: 李二超 魏立森
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 指标 模糊预测 超平面 自适应边界选择 收敛性 多样性
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 论文与报告|Papers and Reports
• 页码范围: 1183-1194
• 页数: 12页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2020.1518

摘要

多目标优化算法的主要目标是实现好的多样性和收敛性.传统的高维多目标优化算法,当目标维数增加时,选择方式难以平衡种群的收敛性与多样性.对此,提出一个基于指标和自适应边界选择的高维多目标优化算法.在环境选择中,首先计算种群中两两个体的指标Iε(x,y)作为第一选择标准;其次,提出一种自适应边界选择策略,利用种群进化信息对超平面系数进行模糊预测;再次,近似计算待选个体到超平面的范式距离作为第二选择标准;最后,将所提出算法与5种代表性的高维多目标算法进行比较,实验结果表明,所提出算法在处理复杂Pareto前沿高维多目标优化问题时,能在平衡收敛性与多样性的同时,更好地维护多样性.