基于分解和多策略变异的多目标差分进化算法

摘要

差分进化是一种有效的优化技术,已成功应用于多目标优化问题,但也存在Pareto最优集合的收敛慢和多样性差等问题.针对上述不足,提出了一种基于分解和多策略变异的多目标差分进化算法(MODE/DMSM).该算法利用基于分解的方法将多目标优化问题分解为多个单目标优化问题;通过高效的非支配排序方法选择具有良好收敛性和多样性的解来指导差分进化过程;采用了多策略变异方法来平衡进化过程中的收敛性和多样性.在ZDT和DTLZ的10个测试函数上的仿真结果表明,所提算法在Parato最优集合的收敛性和多样性方面优于其他六种代表性多目标优化算法.