无参分组大规模变量的多目标算法研究

摘要：

目前大多数多目标优化算法没有考虑到决策变量之间的交互性,只是将所有变量当作一个整体进行优化.随着决策变量的增加,多目标优化算法的性能会急剧下降.针对上述问题,提出一种无参变量分组的大规模变量的多目标优化算法(MOEA/DWPG).该算法将协同优化与基于分解的多目标优化算法(MOEA/D)相结合,设计了一种不含参数的分组方式来提高交互变量分组的精确性,提高了算法处理含有大规模变量的多目标优化算法的性能.实验结果表明,该算法在大规模变量多目标问题上明显优于MOEA/D及其它先进算法.

关键词：大规模变量、多目标优化、交互变量、变量分组

所属期刊栏目：42

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：603-609