混合分解和强度帕累托多目标进化算法.pdfVIP

JournalofComputerApplications ISSN l001—908l 2014一l0—10 计算机应用，2014，34(10)：2880—2885 CODENJYIIDU http：／／www．joca．en 文章编号：1001—9081(2014)10—2880—06 doi：10．11772／j．issn．1001—9081．2014．10．2880 混合分解和强度帕累托多 目标进化算法 邱兴兴 ，张珍珍 ，魏启明。 (1．九江学院信息科学与技术学院，江西九江332005； 2．九江学院理学院，江西 九江332005) (通信作者电子邮箱 qiuxingxing@gmail．con) 摘 要：在多 目标进化优化中，使用分解策略的基于分解的多 目标进化算法(MOEA／D)时间复杂度低，使用强度 帕累托进化算法-2(SPEA2)能得到分布均匀的解集。结合这两种策略，提 出一种新的多 目标进化算法用于求解具有 复杂、不连续的帕累托前沿的多 目标优化问题 (MOP)。首先，利用分解策略快速逼近帕累托前沿；然后 ，利用强度帕 累托策略使解集均匀分布在帕累托前沿，利用解集重置分解策略中的权重向量集，使其适配于特定的帕累托前沿；最 后，利用分解策略进一步逼近帕累托前沿。使用的反向世代距离(IGD)作为度量标准，将新算法与MOEA／D、SPEA2 和pah—MOEA／D在 12个基准问题上进行性能对比。实验结果表明该算法性能在7个基准问题上最优，在5个基准问 题上接近于最优，且无论MOP的帕累托前沿是简单或复杂、连续或不连续的，该算法均能生成分布均匀的解集。 关键词：分解；强度怕累托；进化算法；多 目标优化；帕累托最优 中图分类号：TP18 文献标志码：A HybriddecompositionandstrengthParetomulti—objectiveevolutionaryalgorithm QiUXingxing ，ZHANGZhenzhen，WEIQiming (1，SchoolofInformationScienceandTechnology,jiujiangUniversity,JiujiangJiangxi332005，China； 2．CollegeofScience，fl~iangUniversity,JiufiangJiangxi332005，China) Abstract：Inmulti—objectiveevolutionaryoptimization，Multi—objectiveEvolutionary AlgorithmbasedonDecomposition (MOEA／D)withdecompositionstrategyisoflowcomputationalcomplexity，whileStrengthParetoEvolutionaryAlgorithm-2 (SPEA2)cangeneratesolutionsetsdistributeduniformly．Bycombiningthesetwostrategies，anovelmulti—objective evolutionaryalgorithmwasproposedforsolvingMulti—objectiveOptimizationProblem (MOP)withcomplexanddiscontinuous Paretofrontsinthispaper．Intheproposedalgorithm，decompositionstrateyg wasfirstlyusedtomakethesolutionsetquickly approachtheParetofront；thenstrengt