摘要
为平衡多目标进化算法(MOEAs)的收敛性与多样性,提出了基于多样化初始种群的自适应变异多目标优化策略(IM),该策略可以与基于支配关系以及基于分解的MOEAs相结合.IM使用多样化初始种群的方法,使得算法的初始种群具有更好的多样性,在种群进化过程中再使用自适应变异方法,将优秀个体的变异概率减小,同时增加较差个体的变异概率,提高种群的收敛速率.将结合了IM策略的MOEA/D-DE、NSGA-Ⅲ及NSGA-Ⅱ算法与原MOEA/D-DE、NSGA-Ⅲ、NS-GA-Ⅱ算法进行对比,并以IM-MOEA/D-DE与IM-NSGA-Ⅲ为例与其他4种典型多目标优化算法MOEA/D-PaS、MOEA/DD、SPEA/R以及VaEA进行对比,结果表明引入IM策略对MOEA/D-DE、NSGA-Ⅲ、NSGA-Ⅱ算法的收敛性及多样性均有较大提高,其与现有经典的多目标算法相比有较强的竞争力.
国家科技期刊平台
NSTL
维普
万方数据