基于大数据聚类的改进NSGA-Ⅲ算法

摘要

高维多目标优化是多目标优化中的难点,而聚类是改进高维多目标优化算法较为可行、有效的方法.本文提出了一种用聚类改善NSGA-Ⅲ算法解集分布性的方法,其基本思想是:首先用基于Pareto支配的非支配排序将种群分为若干不同的非支配层,然后对所有非支配层的解基于参考点距离进行K-均值聚类,保留同一聚类的聚类中心,从而增加了种群多样性,使解的分布更加均匀.采用高维DTLZ测试函数对新算法进行了性能测试,结果验证新算法的确具有较好的分布性和均匀性.