关键词:
多目标进化算法
交配选择
聚合距离
收敛性
分布性
摘要:
高维多目标进化算法在解决复杂帕累托前沿问题时,常面临收敛性和多样性难以平衡的问题.为解决这一问题,提出了一种基于镜像判断和改进父代选择的高维多目标进化算法.该算法首次结合成就标量函数和全局密度并应用在交配池中,使其在迭代过程中不仅关注当前最优解,还兼顾解在整个空间的分布情况,从而实现了收敛性和多样性的统一.此外,针对算法在迭代过程中可能出现镜像的问题,本文提出了解决方案.具体来说,算法首先采用非支配排序,将临界层个体与参考向量相关联,随后判断其是否满足镜像对称准则,若满足则通过全局密度选取个体,达成“内紧外松”的目的,最大限度保证候选解的分布性,从而有效解决了选择压力不均的问题.最后将本文算法与最新的五种多目标算法在4种不同维度的测试问题上进行对比实验,并应用在两个实际案例中.实验结果表明:所提算法不仅能高效解决高维多目标优化问题,且能有效平衡收敛性和多样性.