一种基于自适应选择策略的改进型MOEA/D算法

摘要：

针对MOEA/D单纯使用邻域更新作为选择策略而造成的个体解的重复更新、缺乏全局适配性等问题,提出了一种兼及全局替换和局部更新策略的新算法,即基于自适应选择策略的改进型MOEA/D(MOEA/D-AS).算法首先设计了一种新的基于最佳二分图匹配的选择策略(KMS),利用子问题和个体解的匹配关系,从全局角度实现精英个体集的最优选择;然后利用种群的进化信息构造一种匹配紊乱判断机制;最后利用紊乱判断机制,在综合分析邻域更新策略和KMS各自优势的基础上,使算法自适应地选择最合适的选择策略,以提高鲁棒性和优化效率.选取LZ09,DTLZ,CEC09等作为标准测试函数,将改进后的算法MOEA/D-AS与经典MOEA/D系列算法进行对比实验,并以Spread和IGD为性能评估指标.实验结果表明新算法具有更好的收敛性和分布性,验证了自适应选择策略能够有效地指导精英解的选择过程.

关键词：MOEA/D、最佳二分图匹配、紊乱判断、自适应选择策略

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61403206;江苏省自然科学基金BK20151458;“青蓝工程”2016

在线出版日期：2018-06-15（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：201-207,214