基于决策空间划分模型的多目标进化算法

为有效利用决定空间中的信息、提高收敛速度与准确度,提出了基于决策空间划分模型的多目标进化算法.该算法将决策空间划分成多个子决策空间并在每个子决策空间内映射出一个超球体,运用某一多目标进化算法完成超球体内个体的1轮次进化,基于粒子群优化算法的粒子移动机制实现超球体间的信息共享、引导超球体质心向最优解集方向移动.对8个测试问题的实验结果表明:基于决策空间划分模型的多目标进化算法在收敛精度和收敛稳定性方面比FastPGA,MOCell,NSGA-Ⅱ和SPEA2算法表现出更好的性能.

分段抽样模型中抽中目标的概率分析

为了增大基于种群操作的搜索技术在有限时间内捕捉到决策空间中的特定目标的概率,基于古典概率模型建立不划分的随机抽样模型和划分成多个子区域的随机抽样模型(简称划分模型),分析比较了两个模型分别进行多次独立随机抽样至少抽中1次特定目标的概率,并证明:当总体中特定目标的数量为1或2时,划分模型抽中特定目标的概率恒大于不划分模型的概率。