采用放松支配关系的高维多目标微分进化算法

为了提高进化算法在求解高维多目标优化问题时的收敛性和多样性,提出了采用放松支配关系的高维多目标微分进化算法。该算法采用放松的Pareto支配关系,以增加个体的选择压力;采用群体和外部存储器协同进化的方案,并通过混合微分变异算子,生成子代群体;采用基于指标的方法计算个体的适应度并对群体进行更新;采用基于Lp范数(0<p<1)距离的多样性维护策略更新外部存储器。为了评估所提算法在高维多目标优化中的求解性能,将它在一组标准测试函数中进行了仿真实验。与其他两种经典算法的比较结果表明,所提算法能够在高维多目标优化问题中产生一组收敛性能和分布性能均较优的非支配解。