基于分解机制的多目标蝙蝠算法

在分析蝙蝠算法性能基础上,将蝙蝠算法融入分解机制,提出了一种基于分解机制的多目标蝙蝠算法。为了进一步提高算法的多样性,将差分进化策略引入算法中。对14个具有复杂Pareto前沿的多目标优化问题(LZ-09系列和ZDT系列)测试不同邻域规模对算法性能的影响,结果表明新算法的邻域规模为20时性能最优;将其与MOEA/D-DE和NSGA-II算法进行对比分析,结果显示该算法的分布性、收敛性和多样性均优于另外两种算法。为了验证其求解含有约束问题的性能,将其应用于滑动轴承多目标优化设计问题中,获得的Pareto前沿分布均匀,表明算法具有工程实用性,是求解复杂高维多目标问题的有效方法。