基于L_1/2范数拥挤度度量的多模态多目标优化算法

摘要

为得到均匀性、多样性、收敛性更好的Pareto前沿及多样性较好的Pareto解集，提出了一种基于L_1/2范数的解空间和目标空间拥挤度度量方法。基于K-Means算法对解进行聚类，设计了非支配解的分解和合并策略，以得到更均匀Pareto前沿及多样化的Pareto解集。为验证算法的高效性，在CEC’2019标准函数中将改进的算法与5种基准测试算法进行对比，结果表明：改进的算法能够得到较优的r PSP、r HV、IGDX、IGDF度量指标。

关键词

多模态 / 多目标 / 拥挤度度量 / 解的合并