多目标进化算法中智能重组算子的比较与应用

为了提高多目标进化算法中进化算子的搜索能力,通过一组实验,从趋近最优前沿的速度和程度方面比较了模拟二进制重组算子、自适应模拟二进制重组算子以及组合差分进化算子在多目标进化算法中的性能.同时提出了一种组合进化算子CSDO(composite SA-SBX and differential evolutionary operator),该算子结合了具有方向性的改进的模拟二进制交叉算子和跳跃性较强的差分算子,有效保障子代个体的多样性和搜索最优个体的快速性.并对应地提出了一种具有"贪婪"思想的变个数子代存档方法,该方法能加快种群进化速度,并从整个种群的角度来考虑最优个体的保留价值,提高了生成解的利用率.应用CSDO和改进的存档方法对多个基准测试函数进行了求解.与其它智能重组算子的求解结果对比表明,CSDO可以提高最优解的求解精度和搜索速度.