基于适应度指导交配限制策略的重组算子与多目标优化研究

本文提出了一种基于K-means聚类适应度指导交配限制的多目标优化算法(K-means clustering-based Fitness Guided mating restriction multi-objective Evolutionary Algorithm,KFGEA).在该算法的迭代过程中,利用K-means聚类算法从全局角度提取种群结构化信息.基于聚类所得的全局信息,本文围绕个体局部信息设计了一种适应度指导交配限制策略去完成全局与局部信息的融合.该策略根据适应度值这一确定性信息来判断个体质量,对非支配解进行近邻重组,对支配解进行全局勘探,去维护算法搜索过程中开采和勘探的平衡.将KFGEA与多种主流的多目标进化算法进行试验对比研究与参数灵敏度分析的结果表明,KFGEA在求解具有复杂特性的多目标优化问题时优势明显,该策略可以有效提高多目标进化算法的性能.