10.3969/j.issn.2095-2163.2020.09.020
基于NSGA-Ⅱ的偏好分解的多目标优化算法研究
对于多目标优化问题,传统的优化算法不能够很好地处理复杂的Pareto前沿(PF)上的收敛和分布问题,收敛性和分布性二者不能得到较好的平衡;利用改进后的边界交叉方法,超平面根据补足位移移动,形成新的标准目标向量,使得更多的个体分布落在可行区域;决策者偏好的高维多目标优化算法,能够有效地减小搜索空间,解决算法后期收敛放缓和种群退化的问题.本文提出基于偏好向量分解的多目标优化算法,基于NSGA-Ⅱ的偏好分解的多目标优化算法,将偏好信息作为促进解向最优解移动的条件,能够加快收敛速度,找到接近的真实的Pareto最优前沿解(POF).本文将(NSGA-RPIPBI)和非支配排序遗传算法(NSGA-Ⅱ)、基于优势和分解的多目标进化算法(MOEA/DD)在多目标问题测试集DTLZ1-4上进行多维目标测试,NSGA-RPIPBI在解集的收敛性和分布性效果更好.
高维多目标优化、分解、偏好向量
10
TP301.6(计算技术、计算机技术)
国家重点研发计划2018YFB1700702
2021-03-23（万方平台首次上网日期，不代表论文的发表时间）
共5页
81-85
