全局替换的自适应权重调整MOEA/D
袁田1
尹云飞1
黄发良2
陈乙雄1
1.重庆大学计算机学院,重庆4000442.南宁师范大学广西人机交互与智能决策重点实验室,广西南宁530100
摘要：当多目标问题的帕累托前沿形状较为复杂时,基于分解的多目标进化算法MOEA/D的解的均匀性将受到很大的影响.MOEA/D利用相邻子问题的信息来优化,但早期因为种群中的个体与子问题的关联是随机分配的,仅在邻居间更新会浪费优秀解的信息,影响收敛速度.针对这些问题,本文提出一种MOEA/D的改进算法(MOEA/D-GUAW).该算法使用种群全局更新的策略,来提高收敛速度;使用自适应调整权重向量的策略来获得更均匀分布的解集.将MOEA/D-GUAW算法与现有的MOEA/D,MOEA/D-AWA,RVEA和NSGA-Ⅲ算法在10个广泛应用的测试问题上进行了实验比较.实验结果表明,提出的算法在大部分问题上,反转世代距离评价指标IGD优于其他算法,收敛速度也快于其他算法.
关键词：多目标优化基于分解的进化多目标优化全局替换自适应权重调整
资助基金：国家自然科学基金(61962038)广西八桂学者创新团队基金项目(201979)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 653-662 )
英文信息