混合分散搜索的进化多目标优化算法

摘要

在进化多目标优化算法中,种群的多样性、对目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛能力和解集的分散性.针对这些问题,提出了一种混合分散搜索的进化多目标优化算法(SSMOEA).SSMOEA在混合分散搜索算法架构的同时,重新设计其多样性的选取策略,并引入协同进化机制.此外,为了提高算法的自适应性和鲁棒性,采用了一种新颖的自适应多交叉算子选择方法.SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和MOEA/D在12个基准测试函数上的对比结果表明,SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近性上有明显优势,而且算法的鲁棒性也有明显的提高.