【学习笔记】Multi-Objective Differential Evolution Algorithm --MODEA

正文

差分进化算法在处理多目标问题（MOP)会遇到很多问题。例如：如何生成新的点，从而更快地收敛到最优帕累托前沿，以及如何替换这些点，以获得尽可能多样的解集？
**MODEA算法是对MDE算法（一种解决单目标问题优化的算法）的扩展。**在MODEA算法中，从算法开始就注意保持种群的多样性和产生潜在的候选解。除了使用反向学习机制生成潜在的初始点，我们还在变异阶段使用了锦标赛最佳过程(或随机定位过程)，以防止搜索变成纯随机搜索或纯贪婪搜索。

（一）算法关键点

1. Opposition Based-Learning（反向学习机制）
2. Randomized localization（随机定位）
3. 引入新的选择机制----为了产生良好的pareto Font（帕累托前沿）

（二）.概念定义

1.Opposition Based-Learning（反向学习机制）
反向学习机制（OBL）背后的主要思想是同时考虑一个估计及其相应的相反估计(即猜测和相反猜测)，以便获取更好的当前候选解。
假设X = (x1，x2，…xn)是n维空间中的一个点，