原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
2023年8月控制工程Aug.2023
第30卷第8期ControlEngineeringofChinaVol.30,No.8
文章编号：1671-7848(2023)08-0000-16DOI:10.14107/j.cnki.kzgc.20230186
进化高维多目标优化研究综述
112311
徐康宇，刘元，李密青，杨圣祥，邹娟，郑金华
（1.湘潭大学计算机学院·网络空间安全学院，湖南湘潭411100；2.SchoolofComputerScience,BirminghamUniversity,
BirminghamB152TT,UK；3.SchoolofComputerScienceandInformatics,DeMontfortUniversity,LeicesterLE19BH,UK）
摘要：高维多目标优化问题（Many-objectiveOptimizationProblems，MaOPs）已经普遍
存在于工业和科学领域中，这类问题的目标数一般超过3个且目标之间存在冲突性，即一
个目标性能的提升可能会导致其它一个或多个目标性能的恶化。目标之间的冲突特性导致
MaOPs不存在唯一的最优解，而是需要获得一组折中解在目标之间进行平衡。进化算法
作为一种基于种群的元启发式搜索方法已经被证实能够有效的求解MaOPs，逐渐成为多
目标优化领域的研究热点之一。近20年来，高维多目标进化算法（Many-objective
EvolutionaryAlgorithms,MaOEAs）研究已取得了长足发展，大量先进的进化理论和评价
体系被不断提出和完善。现对进化高维多目标优化（EvolutionaryMany-objective
Optimization，EMaO）的研究进展进行全面的综述，具体包括：（1）描述了EMaO的相
关理论背景；（2）分析了EMaO所面临的挑战；（3）详细讨论了MaOEAs的发展概况；
（4）归纳了MaOPs以及性能指标；（5）介绍了面对高维目标空间的可视化工具；（6）
总结了MaOEAs在一些领域的应用；（7）剖析了进化算法在解决MaOPs时所面临的问
题和挑战，并给出未来研究方向的建议。
关键词：进化高维多目标优化；进化算法；高维多目标优化问题；Pareto支配
中图分类号：TP301文献标识码：A
EvolutionaryMany-objectiveOptimizationASurvey
：
112311
XuKangyu,LiuYuan,LiMiqing,YangShengxiang,ZouJuan,ZhengJinhua
(1.SchoolofComputerScienceSchool
文档评论（0）