摘要
针对超多目标优化问题求解困难的问题,研究如何得到收敛性和分布性较优的解集,提出了一种基于网格投影的超多目标进化算法-GPEA.该算法根据决策需求将超多目标优化问题的目标空间进行分解,得到投影维目标空间和自由维目标空间;再将投影维目标空间分割为若干投影格,将自由维目标空间分段成若干自由格.算法在每个投影格上进行种群进化,并根据个体相对投影格的位置采用两测度策略筛选个体.第一测度是对落入到投影格内的个体使用非支配排序和自由维目标空间个体筛选策略,选择收敛性和分布性较优的个体作为候选种群.当落入到投影格内的个体数量不足时,进行第二测度筛选,根据个体相对投影格的距离排队,选择相对较近的个体并入到候选种群中.分析了算法的性能,通过对标准测试函数在不同目标下的求解,实验证明基于网格投影的超多目标进化算法能够有效地求解超多目标优化问题.
国家科技期刊平台
NSTL
维普
万方数据