基于多重分形主曲线模型多目标演化算法研究

为了克服目前模型多目标演化算法多采用PCA,local PCA等线性建模方法,存在模型拟合效果不理想、对建模参数敏感等问题,提出一种基于多重分形的主曲线模型多目标演化算法(multifractalbased principal curve multi-objective evolutionary algorithm,MFPC-MOEA).算法采用主曲线方法对解集分布进行非线性建模,通过建立种群个体分布概率模型,生成目标空间均匀分布的个体,保证优化结果的多样性.另外算法通过多重分形方法分析个体在解集空间中的分布,设计了基于多重分形谱的模型演化多目标算法建模开始评测标准,同时采用多重分形方法评估算法收敛程度,设计相关的演化多目标优化算法停止策略.新算法采用国际公认的ZDT,DTLZ测试函数进行实验验证,并与NSGA-II,MOEA/D,PAES,SPEA2,RM-MEDA经典演化多目标优化算法进行了实验比较.实验结果表明,该算法在HV,SPREAD,IGD,EPSILON性能指标上均有较好的表现.说明通过引入多重分形策略和主曲线建模方法,在一定程度上提高了解的质量,为求解多目标优化问题提供新的思路.