控制理论与应用

作者：袁田,尹云飞,黄发良,陈乙雄

单位：重庆大学,重庆大学,南宁师范大学,重庆大学

关键词：多目标优化; 基于分解的进化多目标优化; 全局替换; 自适应权重调整

基金：国家自然科学基金项目(61962038), 广西八桂学者创新团队基金项目(201979)

当多目标问题的帕累托前沿形状较为复杂时, 基于分解的多目标进化算法MOEA/D的解的均匀性将受到很大的影响. MOEA/D利用相邻子问题的信息来优化, 但早期因为种群中的个体与子问题的关联是随机分配的, 仅在邻居间更新会浪费优秀解的信息, 影响收敛速度. 针对这些问题, 本文提出一种MOEA/D的改进算法(MOEA/D-GUAW). 该算法使用种群全局更新的策略, 来提高收敛速度; 使用自适应调整权重向量的策略来获得更均匀分布的解集. 将MOEA/D-GUAW算法与现有的MOEA/D, MOEA/D-AWA, RVEA和NSGA-III算法在10个广泛应用的测试问题上进行了实验比较. 实验结果表明, 提出的算法在大部分问题上, 反转世代距离评价指标IGD优于其他算法, 收敛速度也快于其他算法.

来源：2023年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2023年第4期