Pareto支配关系下两阶段进化高维多目标优化算法

摘要

工程应用和现实生活中广泛存在着高维多目标优化问题.基于Pareto支配的多目标演化算法在处理高维多目标优化问题时会面临收敛压力丧失的缺点,基于分解的多目标优化算法在处理Pareto前沿不规则的问题时鲁棒性较差.为了提高基于支配的多目标优化算法的选择压力同时保留基于支配算法多样性保持的灵活性,提出一种基于Pareto支配关系的两阶段进化高维多目标优化算法.在算法的第一阶段,集中计算资源搜索优化问题的极值点,通过优先选择内部空间的解来提高基于支配算法的收敛性能.在算法的第二阶段,利用动态最小距离法改善算法的多样性,使得算法获得一组均匀分布的精英解.实验表明,该算法在PF形状不规则的问题上显著优于与之比较的其他算法,且在PF形状规则的问题上性能良好,这表明该算法具有较好的鲁棒性.