基于變化的權重向量的MOEA/D研究
摘要：MOEA／D使用聚合函數將多目標問(wèn)題分解成一定數量的單目標子問(wèn)題并行優(yōu)化，岡其具有較強的搜索能力，良好的收斂性等，越來(lái)越受人關(guān)注。然而，該算法的性能極大程度上依賴(lài)權重向量與解替換的鄰域構成。首先，分析預先設置固定的權重向量導致最終解集性能下降的原因；其次，在此基礎上，提出依賴(lài)邊界區域變化調整權重向量的策略，根據算法迭代中解集邊界預測近似Pareto前端的整體分布，結合預先設定的權重向量與均勻設計調整權重向量；進(jìn)一步，為提高算法求解的收斂速度．提出導引式雜交策略，引導種群進(jìn)化，結合兩種策略，提出一種改進(jìn)的分解多目標進(jìn)化算法。仿真試驗中，本文在ZDT系列問(wèn)題上對算法進(jìn)行性能測試。與NSGA-Ⅱ，原始的MOEA／D、帶均勻設計的MOEA／D＋UD相比。結果表明，結合變化的權重向量調整與導引式雜交策略，算法收斂的速度提高，獲得解集分布性相對更為均勻，產(chǎn)生解集的整體質(zhì)量更高。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系湖北工業(yè)大學(xué)學(xué)報雜志社
相關(guān)推薦
更多濟.jpg)
發(fā)與經(jīng)濟.jpg)
于我們.jpeg)