基于协同进化策略改进的MOEA/D算法

摘要

在标准的MOEA/D算法中,交叉算子是模拟二进制交叉算子(SBX).该算子局部搜索能力不足,并且面对精度较高的问题时,最优解的选取存在一定程度的偏差.文章引入正态分布交叉算子(NDX)和差分进化算子(DE/best/2)来构建协同进化策略,替换SBX来进行协同进化,生成精英个体,改善算法的收敛性.利用DE/best/2算子对子问题邻域内大量的个体进行重组操作,使父代个体更具多样性,从而能够产生多样性的个体,扩大种群多样性,提供更大的搜索范围.数值仿真实验表明,NDX算子搜寻解的范围比SBX算子更广,容易跳出局部最优,可获得分布性、均匀性更佳的Pareto解集.