高維多目標進化算法中支配關系的改進研究.pdf

1、多目標進化算法（ryAlgorithmEvolutionaMulti-objective，簡稱MOEA）在解決現(xiàn)實生活問題中表現(xiàn)出極大的優(yōu)越性。但同時它在解決某些問題上存在一些限制，特別是當目標個數(shù)大于3個時。而之所以會有這種限制，其主要原因是：1)隨著目標空間維數(shù)的增加，將會導致互不支配的個體在種群中所占的比例呈指數(shù)增長，從而影響算法的收斂性。2)傳統(tǒng)多目標進化算法在分布性保持機制沒有特別偏好極端解，從而影響到算法在高維多目標問題(M

2、AOPS)上的尋優(yōu)能力。因此當前主流的高維多目標進化算法的選擇操作通常由收斂性算子和分布性算子組成，收斂性算子是基于Pareto支配下的偏好非支配個體解機制，分布性算子是收斂性算子的基礎上對種群的分布性保持機制以及極端解偏好機制。在高維多目標進化算法中，對支配關系的研究是本文研究的重要內(nèi)容，也是進化計算領域的較新的研究方向之一，有著很明確的研究意義。
　　為提高多目標進化算法在高維問題上的優(yōu)化性能，本文從CDAS的實現(xiàn)機制入手，提

3、出一種利用支配關系來提高收斂壓力的多目標進化算法。在傳統(tǒng)的利用支配區(qū)域提高收斂壓力的算法中，都會出現(xiàn)非支配解被切割的問題，為解決這一問題，本文提出了一種支配區(qū)域自適應變化的新方法。在進化初期，通過放松支配關系讓選擇壓力足夠大，在越接近最優(yōu)Pareto面時，支配關系越接近Pareto支配，從而不僅可以讓種群在前期快速收斂，在后期盡可能弱化非支配解被切割而導致種群多樣性降低的問題，從而不易陷入局部最優(yōu)。實驗結(jié)果表明，所提方法與傳統(tǒng)進化算法相