一种MOEA分布度的逐步评价方法.pdfVIP

第 l0期 电 子 学 报 V0J．36 No．10 2008年 1O月 ACrAELECI 0NICASINICA Oct． 20o8 一 种 MOEA分布度的逐步评价方法 李密青，郑金华，谢炯亮，杨 平，李 晶 (湘潭大学信息工程学院，湖南湘潭411105) 摘 要： 提出了一种多目标进化算法中解集分布度逐步评价方法．定义了一种基于角度的坐标，避免了算法因 收敛性不同对分布性评价的影响；利用了解集均匀分布具有的对称性，把整个 目标空问从大到小划分成不同的对称区 域，逐步进行分布度评价．实验结果表明，该方法能精确的评价解集的分布情况 ． 关键词： 多 目标进化算法；分布度评价；逐步评价 中图分类号： TP18 文献标识码 ： A 文章编号： 0372—2112(2008)10—1986—06 A StepwiseDiversityMetricforMOEA U Mi—qing，ZHENGJin—hua，XIEJiong—liang，YANGPing，LIJing (InstituteofInformationEngineering，Xia,~ nUniversity，Xiangtan，Hw~an411105，China) Abstract： Ameasurementforstepwisediversityevaluationofsolutionsinmulti—objectiveevolutionaryalgorithmwaspro— posed．Inthismethod，acoordinatebasedonanglewasdefined，whichcanavoidhteinfluencecausedbydifferentextentofconver— genceindiversiytevaluation．Furthermore，consideringhtesymmetryofuniformlydistributedsolutions，htewholeobjectivespace wasdividde nadsubdividde intodifferentsymmetricregionsforevaluation．Experimentsshowhtathtemehtod Cna evaluatediversiyt ofsolutionsaccurately． Keywords： multi—objectiveevolutionaryalgorithm；diversitymetric；stepwiseevaluation 分布性的评价方法 ．可见解群体的分布多样性是评价算 1 引言 法性能的重要指标．目前比较流行的分布度评价方法 进化算法 (EvolutionaryMgorithms，EA)已经被证明是 有 ：Farhang-Mehr等提 出的基于个体信息熵 的评价方 一 种解 决多 目标优化 问题 (MuhiobjectiveOptimization 法l引，Deb等提出的Spacingmetricl4j，网格评价方法l5J， problem，MOP)的有效方法 1J．各国学者提出了很多有效 基于个体空间的评价方法_6j，SanazMostaghim等提出的 的多目标进化算法 (Multi．ObjectiveEvolutionaryMgofithm， Sigma评价方法l7J，以及 Ij等l8j用邻域进行分布度评价 MOEA)[引．该类算法的特点是不需要人为定义各 目标的 的方法等等．但是由于存在参数难 以选择，映射失真等 权重，而是由算法运行一次找出所有的非支配解}，再 问题，还没有一种方法能完美的评价分布度情况． 由决策者进行权衡选