基于网格拥挤度的自适应参考点多目标优化算法

doi:10.14135/j.cnki.1006-3080.20241007001

华东理工大学学报（自然科学版） ›› 2025, Vol. 51 ›› Issue (04) : 522 -537. DOI: 10.14135/j.cnki.1006-3080.20241007001

作者信息 +

Author information +

文章历史 +

PDF

摘要

在多目标优化中,对于搜索到的种群要兼顾收敛性和分布性。基于指标的参考点自适应多目标优化算法(AR-MOEA)算法强调IGD-NS指标的最优,算法收敛过程加快,容易陷入局部最优,导致种群不能覆盖到完整的Pareto前沿。本文提出了一种基于网格拥挤度的自适应参考点多目标优化算法(AR-MOEA-GC),该算法区分了种群中贡献个体与非贡献个体的适应度计算方法,保证种群的分布性和收敛性;同时,为了加快种群在算法后期的收敛速度,融入了参考点调整策略,辅助种群向真实Pareto进化。将改进的算法与6个先进的多目标进化算法在3类测试函数上测试,结果表明AR-MOEA-GC在三维的多目标优化问题上有着一定的竞争力。