一种采用混合策略的大规模多目标进化算法.pdfVIP

第47卷第1期计算机学报Vol.47No.1

2024年1月CHINESEJOURNALOFCOMPUTERSJan..2024

一种采用混合策略的大规模多目标进化算法

谢承旺郭华王冬梅个

潘嘉敏”付世炜

1)（华南师范大学数据科学与工程学院广东汕尾516600）

2)（南宁师范大学计算机与信息工程学院南宁530100）

3)（成都职业技术学院软件学院成都610041）

摘要现实中存在大量的大规模多目标优化问题，这些问题所固有的目标函数间冲突性、巨大的搜索空间以及

决策变量可能存在的交互等特征对传统的多目标进化算法构成了巨大的挑战.研究者根据此类问题的特点基于不

同的视角提出了多种大规模多目标进化算法，但它们在解题的质量和效率方面尚存较大的提升空间.基于此，提出

一种采用混合策略的大规模多目标进化算法LSMOEA/HS.该算法提出的一种黄金分层分组方法将大规模决策变

量分成收敛性组和多样性组，然后对收敛性变量组执行基于变量组的相关性检测操作，将收敛性变量组划分成若

干更小规模的子组，最后算法采用不同的优化策略分别优化收敛性变量组和多样性变量组以获得最终的解题结

果.为验证LSMOEA/HS的有效性，将其与五种新近提出的高效的大规模多目标进化算法一同在决策变量维度为

200、500、1000、2000和5000的2-目标和3-目标的LSMOP系列测试实例上进行IGD和HV性能测试，实验结果

表明LSMOEA/HS具有显著较优的收敛性和多样性.由此表明,LSMOEA/HS是一种颇具前景的大规模多目标

进化算法.

关键词大规模多目标优化问题；变量分组；进化算法；收敛性；多样性；大规模多目标进化算法

中图法分类号TP181D0I号10.11897/SP.J.1016.2024.00069

ALargeScaleMulti-ObjectiveEvolutionaryAlgorithmAdoptingHybridStrategies

WANGDong-Meil)FUShi-Wei2)

XIECheng-WanglPANJia-Min²’GUOHua）V

1)(SchoolofDataScienceandEngineering,SouthChinaNormalUniversity,Shanwei,Guangdong516600)

2)(CollegeofComputerandInformationEngineering,NanningNormalUniversity,Namning530100)

3)(SchoolofSoftware,ChengduPolytechnic,Chengdu610041)

AbstractThereexistanumberoflarge-scalemultiobjectiveoptimizationproblems(LSMOPs)

inreality.TheseLSMOPsadmitsomeinherentcharacteristicssuchastheinherentconflictsamong

theirobjectivefunctions,hugesearchspace(decisionvariablespace),andpossibleinteraction

existingindecisionvariab