多任务机制驱动的高维多目标进化算法

摘要

针对传统进化算法在解决高维多目标优化问题时,因选择压力减少而产生的搜索能力急剧下降的现象,提出了一种多任务机制驱动的高维多目标优化算法。该算法首先采用一种自适应降维算子来构造与原始高维优化任务相关的低维任务,以此来增加优化过程中的选择压力。在低维任务的构造过程中,根据对当前目标子集的评估结果来自适应地选择合适的降维技术对原始高维任务进行降维。然后采用多任务机制同时对低维任务及原始高维任务进行优化。算法采用一种任务间交流算子来完成个体任务分配以及种群的更新操作,进而使得算法在利用低维任务提高搜索能力的同时能够避免降维所引起的有用信息丢失。此外,为了避免算法在搜索过程中出现早熟现象,通过对外部种群中出现代数较多的个体进行差分变异来增加外部种群的多样性。实验部分将该算法与几种常用的高维多目标进化算法在5组标准测试函数上进行对比分析。仿真结果验证了该算法在求解高维多目标优化问题时的有效性。