一种基于拉丁超立方体抽样的多目标进化算法

摘要

传统多目标进化算法（MOEA）在解决具有复杂Pareto解集的多目标优化问题（CPSMOP）时存在严重的退化现象.为此,本文提出两种进化模型——基于个体的进化模型和基于种群的进化模型.并在此基础上,设计两类基于拉丁超立方体抽样（LHS）的MOEA（LHS-MOEA）.LHS-MOEA采用LHS局部搜索开采目前较优秀的区域,采用进化操作在可行解空间中探测新的搜索区域,从而有效克服退化现象.实验结果表明,LHS-MOEA求解CPSMOPs的效果较好,比经典算法NSGA-II具有明显的优势.