基于分方向选择搜索的多目标进化算法.pdfVIP

华 南 理 工 大 学 学 报 (自然 科 学 版 ) 第 39卷 第2期 JournalofSouthChinaUniversityofTechnology Vo1．39 NO．2 2011年2月 (NaturalScienceEdition) February 2011 文章编号：1000-565X(2011)02—0130—06 基于分方向选择搜索的多 目标进化算法水 李学强 郝志峰 黄翰。 (1．华南理工大学 计算机科学与工程学院，广东 广州 510006；2．广东工业大学 计算机学院，广东 广州 510090； 3．华南理工大学 软件学院，广东 广州510006) 摘 要 ：Pareto解空间为分区域连续时，基于极大极小策略和确定权重的多目标进化算法 在进化的每一代都会在无最优解的区域搜索解点．为解决此 问题 ，文中提 出了一种新的判 断机制，根据每个权重在不同方向上选取的解点集来判断权重对应的Pareto有效解区域 是否存在最优解点，并以此来调整搜索的区域 ；为了避免算法陷入局部收敛和种群早熟， 提出了分方向选择搜索的方法，使用了外部存储的机制．采用文中算法对常见的测试函数 和CEC2009多目标竞赛 中较难的测试函数进行了测试，结果表明该算法是有效的． 关键词：进化算法；多目标优化；极大极小策略 中图分类号：TP181 doi：10．3969／j．issn．1000—565X．2011．02．022 无约束多目标最优化问题的一般数学模型为 免早熟问题，但 Pareto选取可以有效地避免在无效 [minf(x)=( (X)， (X)，…， ()) 解区间上搜索的浪费，也可 以通过添加小生境策略 lX∈X_CRn …)‘ 使 Pareto解在 目标空间上均匀分布． 式中：为决策变量 ； 为决策空间；．厂(X)为 目标函 文 中采用了一种均匀设计权重的方法，使得所 数；．()(i=1，2，…，m)为子目标． 选取 的Pareto解点相对均匀地分布在 Pareto有效界 应用进化算法来处理多目标优化问题已受到广 面上．在此基础上，对适应值函数和选择机制进行了 泛的关注．如文献 [1]中提出了基于分解的多 目标 改进 ，提出了一种用于判断权重对应的区域是否存 进化算法MOEA／D；文献 [2]中改进 了MOEA／D的 在最优解的机制，在杂交变异的过程 中使用了分方 变异算子；文献 [3]中提出了基于 Pareto比较的 向搜索的方法，通过合理地设计杂交变异算子来搜 NSGA算法；文献[4]中改进了NSGA算法的选择算 索最优解 ，并对已有的测试函数进行了测试，以验证 子；文献[5]中提出了基于带权重极大极小策略的 所提算法的有效性． 多 目标进化算法；文献 [6．7]中将 目标函数的权重 之和作为适应值 ；文献 [8]中提出了基于极大极小 1 极大极 小策略分析 自适应杂交变异概率的进化算法等．这些算法的选 已知权重 ’I，=( ，W ，…， )和Ls个点}f ，f2， 择机制可以分为极大极小策略和 Pareto比较两种 ． … 极大极小策略通过在 目标空间上设计一组均匀权重