一种新角度支配关系的多目标进化算法

为了兼顾多目标进化算法求解的收敛性和多样性,文中在分析解群支配以及多样性情况相关理论的基础上,借鉴网格支配和角度支配的优势,提出一种新的支配关系刻画解群在目标空间的分布状况,以较好地在收敛性和多样性间取得平衡;设计了一种新角度支配的多目标进化算法,该算法利用新角度支配关系增强选择压力,维持解群的多样性;比较了在NSGAII算法框架下,新提出的支配关系与原有两种支配关系的收敛性、多样性以及收敛速度。研究结果表明:文中算法在DTLZ及WFG基准测试集上获得的GD,IGD和Spacing指标性能均得到了提升,并且能够更快地获得高质量解集,故所提出的支配关系能够更有效地平衡收敛性和多样性。

基于粗糙集理论的改进ε-支配多目标进化算法

基于epsilon支配概念的epsilon-MOEA(-εMOEA)算法具有良好的收敛性和分布性,但是存在epsilon值不易设置,解集中边界个体容易丢失等缺陷。通过结合粗糙集理论中边界域的概念,提出了基于粗糙集理论的改进epsilon-MOEA算法,从而改善解集中部分个体丢失等现象。实验结果表明,新算法相比传统epsilon-MOEA算法在解集分布性和收敛性上具有较好的改善。