IGD-EMOA：基于IGD指标的多目标优化进化算法

基于IGD指标的多目标优化进化算法

参考文献
《IGD Indicator-Based Evolutionary Algorithm for Many-Objective Optimization Problems》

要点

• 反世代距离（IGD）被广泛认为是同时量化MOP和MaOP进化算法的收敛性和多样性的可靠性能指标。
• 本文提出了一种基于IGD指标的进化算法来解决MaOP问题。具体而言，每一代都采用IGD指标来选择具有良好收敛性和多样性的解。此外，设计了一种计算有效的支配比较方法以分配解的等级值以及三个新提出的邻近距离分配。基于这两种设计，通过线性分配机制从全局角度选择解，以同时考虑收敛性和多样性。
• 为了提高IGD指标计算中采样参考点的准确性，还提出了一种有效的基于分解的最低点估计方法，用于构造乌托邦帕累托前沿（PF），该乌托邦帕累托前沿（PF）被认为是实际的最佳近似PF。