一种双空间多性能平衡函数引导的区间高维多目标进化算法

摘要

利用进化算法求解含区间参数的高维多目标优化问题时，因个体在目标空间由点转变为超体形式，区间目标函数值的优劣比较相对困难，且难以有效平衡算法收敛性、多样性以及不确定性.此外，随着目标数的增加，区间不确定性将逐渐累积，算法耗时也急剧增加.对此，提出一种双空间多性能平衡函数引导的区间高维多目标进化算法，将最优解搜索过程中需要考虑的个体收敛性、种群多样性和不确定性有效地结合起来.首先，在目标空间定义虚拟最优解，利用个体区间距离建立收敛性度量；其次，利用分区参数将搜索空间划分成若干个子空间，个体的搜索空间多样性定义为其所在子空间个体数量在种群中的比例，并通过个体与种群中所有个体的平均相似度衡量目标空间多样性；最后，结合不确定性度量，提出双空间多性能平衡函数引导算法进行最优解选择.为了验证算法的有效性，所提算法在经过区间拓展后的DTLZ多目标基准测试问题上进行测试，与近些年提出的5种优秀的算法进行结果比较.实验结果表明，所提算法在求解含区间参数的高维多目标优化问题上具有较强的竞争力.

关键词

区间不确定性 / 进化优化 / 高维多目标优化 / 综合平衡函数