贝叶斯博弈多目标进化算法及其收敛性分析

摘要：

多目标进化算法（MOEAs）主要依靠非支配解排序推动种群搜索Pareto前沿，在种群迭代搜索前期具有较好的全局寻优性能，但进化后期易出现收敛停滞现象，影响算法对于复杂优化问题的全局寻优能力。由此提出了一种基于静态贝叶斯博弈策略的多目标进化算法（SBG-MOEA），将每个优化目标模拟为一个博弈参与者，以多次迭代中优化目标Pareto优化收敛程度映射为博弈收益，通过损益纳什均衡博弈机制驱动种群的Pareto寻优，理论分析证明了该方法具有全局收敛特性。基准测试函数的优化实验表明，与NSGA-II等经典算法相比，贝叶斯博弈策略有助于增强进化种群全局搜索能力。

关键词：多目标优化、进化算法、静态贝叶斯博弈

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金No.61173107；国家高技术研究发展计划863No.2012AA01A301-01；广东省省部产学研结合项目No.2011A091000027；广东省惠州市产学研结合项目No.2012C050012012。

在线出版日期：2015-04-27（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：47-52