多目标优化算法_知识驱动的高维多目标优化算法研究

作者：胡成玉，余果，代立国，颜雪松

摘要：针对传统的非支配排序在处理高维多目标优化问题过程中，因非支配解数量的指数增长而导致算法没有足够的选择压力的情况，提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ)，以提升算法的收敛速度．该算法采用Pareto支配关系来衡量种群的优劣，通过知识引导筛选优势种群，结合参考点选择机制增强种群的多样性和广泛性，同时采用模拟二进制交叉策略和改进的自适应变异策略增强算法的搜索能力．通过对标准测试函数的实验，结果表明：相较于一些经典的多目标优化算法，KD-NSGA-Ⅲ在高维多目标优化问题方面性能改善效果优异，尤其在收敛速度上有显著的提升．

关键词：知识驱动；高维多目标优化；自适应变异；非支配排序；收敛速度

文献来源：胡成玉，余果，代立国，颜雪松．知识驱动的高维多目标优化算法研究[J]．华中科技大学学报(自然科学版)，2020，48(6)：19-25

DOI：10.13245/j.hust.202004