一种新的MOEA/D中邻域更新策略研究

摘要

MOEA/D算法使用聚合方法将多目标问题分解成单目标问题并行进化.然而,在优化的过程中,子代在固定的邻域内替换父代,并没有考虑固定邻域不利于算法选择较合适的父代参与繁殖.针对此问题,提出一种新的邻域更新策略.首先,利用各子问题的解,求出该解与所有权重向量的聚合函数值,以这些聚合函数值作为参考信息,更新父代解;其次,利用该参考信息,更新子问题对应的邻域结构.并将领域更新策略MOE/D算法应用子ZDT,DTLZ1-2等三个系列问题进行性能测试,并与M OEA/D、M OEA/D-GR算法进行性能对比.实验结果表明,与M OEA/D和M OEA/D-GR算法相比,结合邻域更新的M OEA/D策略,算法的收敛性明显提高.