MOEA/D-AWA 一,动机 二,创新点 三,算法实现 四,实验设计 一,动机 均匀分布的权重向量并不能保证PF上最优解的均匀性;对于非连续PF的MOPs,一些标量子问题有相同的最优解,这会导致Pareto最优解多样性的下降。为了保持一组在PF上均匀分布的Pareto最优解,基于分解的MOEAs应该追求解映射向量(可理解为归一化之后的权重向量)的均匀分布。以上观察促使我们开发一种 新权重向量初始化(new weighted vectors initialization) 方法,利用这种方法可以产生一组均匀分布的解映射向量。 再者,当PF的形状近似目标空间中的单位超平面 Σ i = 1 m f i = 1 Σ_{i=1}^mf_i = 1 Σi=1m