基于差分进化与NSGA-Ⅱ的多目标优化算法

摘要：

为避免多目标优化过程中子目标相互冲突，提高 Pareto 最优解的质量，提出一种基于差分进化（DE）和第二代非支配遗传算法（NSGA-Ⅱ）的混合算法。采用带有自适应参数的 DE 算法对初始种群进行变异和交叉操作，以提高种群的多样性。应用新种群标记策略对 DE的初始种群和测试种群进行支配得到新种群，并标记其中每个个体，使 DE能够处理多目标问题。将新种群作为 NSGA-Ⅱ的初始种群，通过 NSGA-Ⅱ产生下一代种群，进一步提升 Pareto最优解的质量。使用4个基准多目标函数进行测试，结果表明，与 NSGA-Ⅱ和 SADE算法相比，该算法的收敛速度更快，Pareto最优解集空间分布更均匀。

关键词：多目标优化、混合算法、自适应参数、Pareto最优解、收敛速度、空间分布

所属期刊栏目：42

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61473140，61203021。

在线出版日期：2016-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：219-224