一种基于角度惩罚距离的高维多目标进化算法

摘要：

为了使多目标进化算法在收敛性和分布性之间保持平衡,该文提出一种基于角度惩罚距离的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance, MaOEA-APD).首先,综合考虑收敛性和分布性在进化不同阶段的重要性,构造一种角度惩罚距离,使两者随进化进程动态平衡;其次,开发基于删除劣质个体的环境选择策略,在提高种群分布性的同时提高收敛性;最后,根据环境选择的原理,设计与之相协调且互补的匹配选择过程,提高算法的整体进化效率.将所提算法与目前国内外性能优异的3种高维多目标进化算法进行对比,实验结果表明在WFG标准测试函数集上,该文算法相对于其他算法,综合性能有了较大的提升.

关键词：高维多目标优化、进化算法、删除策略、角度惩罚距离

所属期刊栏目：40

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61175126;中央高校基本科研业务费专项资金HEUCFP201709 The National Natural Science Foundation of China61175126;The Fundamental Research Funds for the Central UniversitiesHEUCFP201709

在线出版日期：2018-02-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：314-322