基于自适应进化策略的MOEA/D算法

摘要：

针对MOEA/D算法单纯使用差分进化策略造成局部搜索能力弱、寻优精度低等问题,提出一种基于自适应进化策略的MOEA/D算法(MOEA/DEA).利用种群邻域更新信息构造进化状态判断机制,判断子问题的进化潜能和种群的进化状态;将子问题的进化潜能正反馈到反向学习模型,形成自适应的反向学习策略(AOBL);根据种群的进化状态选择不同的进化策略,以均衡算法的全局搜索与局部寻优能力.实验结果表明,该算法在收敛性、分布性和稳定性等方面均优于或部分优于其它对比算法.

关键词：MOEA/D算法、进化潜能判断、反向学习、自适应进化策略、多目标优化算法

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划基金项目2017YFC1502104;江苏省自然科学基金项目BK20151458

在线出版日期：2019-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1106-1113