基于败者组与混合编码策略的NSGA-Ⅱ改进算法

在精英选择中NSGA-II的拥挤系数算子对局部拥挤区域的分布性优化效果不佳,并且会使某些更接近Pareto最优解集的个体被淘汰。针对拥挤系数算子存在优秀个体不被保留的缺陷,提出了一种基于败者组与混合编码策略的改进算法(LGHC-NSGA-II)。参照棋类比赛中的双败淘汰制,构建了败者组外部归档集,在迭代结束后将归档集与末代父代种群合并,并采用循环拥挤系数排序策略优化分布性。同时,针对传统编码方式在全局或局部空间上搜索能力较差的缺陷,提出了一种混合编码策略,有效地提高了算法的收敛性。基于ZDT系列问题上的测试结果表明,改进算法与8种多目标进化算法相比,在算法的收敛性、分布性与鲁棒性上均具有较高的优越性。