基于全局排序的高维多目标优化研究

摘要：

目标数超过4的高维多目标优化是目前进化多目标优化领域求解难度最大的问题之一,现有的多目标进化算法求解该类问题时,存在收敛性和解集分布性上的缺陷,难以满足实际工程优化需求.提出一种基于全局排序的高维多目标进化算法GR-MODE,首先,采用一种新的全局排序策略增强选择压力,无需用户偏好及目标主次信息,且避免宽松Pareto支配在排序结果合理性与可信性上的损失;其次,采用Harmonic平均拥挤距离对个体进行全局密度估计,提高现有局部密度估计方法的精确性;最后,针对高维多目标复杂空间搜索需求,设计新的精英选择策略及适应度值评价函数.将该算法与国内外现有的5种高性能多目标进化算法在标准测试函数集DTLZ{1,2,4,5}上进行对比实验,结果表明,该算法具有明显的性能优势,大幅提升了4～30维高维多目标优化的收敛性和分布性.

关键词：高维多目标优化、宽松Pareto支配、全局排序

所属期刊栏目：26

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61175126;教育部博士学科点基金20112304110009;辽宁省教育厅科学研究一般项目L2012458;辽宁省博士科研启动基金2012010339-401;黑龙江省博士后基金LBH-Z12073

在线出版日期：2016-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1574-1583