一种适应度排序的高维多目标粒子群优化算法

针对高维多目标优化问题复杂度高,求解难度大的特点,提出了一种集成适应度排序的高维多目标粒子群优化算法。该算法通过获取种群中个体与参考点最近的向量,结合基于惩罚的边界交叉方法对种群中的个体进行排序,并对较差的个体进行删除,留下的精英个体被保存到外部档案中。将该算法与性能先进的4种高维多目标进化优化算法在13个标准测试实例的5,8,10,15目标上进行实验对比,结果表明,提出的算法在大多数测试用例上的性能表现优于对比算法,同时说明了该算法具有较好的收敛性与多样性,能够有效地处理高维多目标优化问题。