计算机科学与探索

作者：顾清华, 骆家乐, 李学现

单位：1. 西安建筑科技大学 管理学院，西安 7100552. 西安建筑科技大学 西安市智慧工业感知、计算与决策重点实验室，西安 7100553. 西安建筑科技大学 资源工程学院，西安 710055

关键词：进化算法,高维多目标优化,向量角选择,指标删除,收敛性,多样性

针对进化算法求解高维多目标优化问题平衡收敛性和多样性所面临的挑战，提出了向量角选择和指标删除的高维多目标进化算法（MOEA/AS-ID）。该算法在环境选择过程中设计了一种包含两种策略的协作机制逐一删除收敛性和多样性差的解以保留精英个体参与下一代的进化。前者基于向量角的选择策略用于选择一对在目标空间具有相似搜索方向的解，后者基于指标的删除策略采用同时兼顾个体收敛性和分布性的[ISDE+]指标比较被选择的这一对解，然后删除具有较小指标值的解，进而促使种群朝各个方向收敛到帕累托最优前沿，最终平衡解集的收敛性和多样性。在包含各种特征的3组标准测试系列问题DTLZ、SDTLZ、MaF上，MOEA/AS-ID与近年提出的6个涵盖了当前各种类型的高维多目标进化算法执行了广泛的对比仿真实验和数值结果分析。仿真结果和数值分析表明所提算法MOEA/AS-ID求解各种特征的高维多目标优化问题平衡收敛性和多样性的能力具有较强的竞争力。

来源：2024年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第2期