基于极值点搜索和非支配排序的高维多目标优化算法

摘要：

基于非支配排序的多目标优化算法(NSGA-II)由于其优异的鲁棒性在过去的十年里已经成为了一种非常受欢迎的多目标优化算法.但作为早期的非支配排序算法,它也具有一定的局限性.例如,非支配排序本身具有较高的时间复杂度;在处理高维多目标优化问题时,传统的非支配排序会面临选择压力丧失的缺陷.因此,提出一种NSGA-II的改进算法,先搜索优化问题的近似极值点,然后通过极值点将目标空间进行划分,空间划分后,只对内部空间的解采用传统的非支配排序和拥挤度距离选择精英解,以此来提升算法的收敛效率.所提出的算法与当前7个主流的高维多目标优化算法在基准测试问题上进行了比较.实验表明,提出的算法的鲁棒性优于与之比较的其他算法.

关键词：高维多目标优化、非支配排序、极值点、边界解

所属期刊栏目：39

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目61300159

在线出版日期：2018-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36