高维多目标进化算法中的密度评估策略研究

多目标进化算法中常引入密度评估策略来使算法获得更好的分布性和收敛性.但对于高维多目标问题,现有的密度评估策略却难于达到这一目的.为此更全面地考虑目标空间上各子目标的影响,提出了四种新的密度评估策略,并将其应用到经典多目标进化算法SPEA2中.在4～9个目标的多目标背包问题上的实验结果表明,采用新的密度评估策略的SPEA2算法能更有效地收敛到Pareto前沿.

基于高维多目标优化的国网运维指标建模研究

针对国家电网制定的考核方案经常变动,考核单位无法合理分配公司资源的问题,对指标进行高维多目标优化建模,得出一些总体得分较高的资源分配方案供决策者选择。本文针对此模型选用最小二乘法的高维多目标减少算法来去除冗余目标,同时引入一种新的密度评估函数来更有效地收敛到Pareto前沿。实验引用新的密度评估函数NSGA-II算法,且与原NSGA-II算法进行比较。实验结果证明了该模型的有效性和合理性。