基于目标空间分解的自适应多目标进化算法

针对基于分解的多目标进化算法(MOEA/D)个体与子问题的匹配问题,在分析MOEA/D的进化规律的基础上,提出了一种基于目标空间分解的自适应多目标进化算法(MOEA/OSD)。该算法采用以测试问题的参考点为起点的均匀权重向量分解目标空间,根据个体信息动态选择适合的子问题,并使用辅助向量的方法弥补分解方法的不足。对比实验结果表明,MOEA/OSD拥有较好的收敛性和分布性,采用不同的分解方法均能搜索到最优解,且具有较好的收敛速度。