一种基于邻域改进的分解多目标进化算法

摘要

基于分解的多目标进化算法（MOEA/D）是将多目标优化问题分解为若干个简单子问题进行并行求解的方法.然而M OEA/D对不同子问题均采用固定邻域求解,这不利于算法在邻域范围内选择到合适的解替换更新.针对此问题,本文提出一种新的调整邻域大小分配的分解多目标进化算法,以平衡算法的收敛性和多样性.该算法根据子问题距离中心区域的偏离程度,动态调整选择邻域和替换邻域大小.在算法性能对比实验中,将本文提出的算法与MOEA/D、MOEA/D-GR、MOEA/DDRA及M OEA/D-DU在二维ZDT测试函数和三到五维DTLZ测试函数进行性能测试.实验结果表明,本文所提算法与其他几种经典算法相比,在测试函数上解集的整体质量显著提高.