两层优化辅助的大规模高维多目标优化算法

为了提高大规模高维多目标优化算法的搜索效率,提出了两层优化策略实现最优解集的搜索。该方法中首先利用社会学习微粒群算法的种群多样性增加算法的探索能力以防止局部收敛,产生的新种群用于更新非支配解集增加非支配解集的多样性。然而,由于种群多样性的增加会降低算法的收敛速度,为此,在第二层优化操作中选择当前非支配解集的若干解进行遗传操作以增加算法的开采能力,产生的新种群进一步更新非支配解集,以期加快对大规模高维多目标问题最优解集的搜索。在500维MaF测试函数上进行了测试,目标空间维度分别为3,5,8,10,并且与近些年提出的相关算法对比。通过实验说明了两层优化策略在解决大规模高维多目标优化问题时是有效的。