基于差分进化邻域自适应的大规模多目标算法

摘要：

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足.对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法.首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确.其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性.实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能.

关键词：大规模多目标优化、协同进化、决策变量分析、主成分分析、邻域自适应更新

所属期刊栏目：44

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2112-2124