论文部分内容阅读
如何有效评价个体是处理高维多目标优化问题的关键.文中提出改进的反世代距离(IGD+S)指标,以反世代距离(IGD)指标为原型,融合修改的反世代距离(IGD+)指标的弱支配性,增加无贡献个体概念,可综合评价解集收敛性和多样性.将IGD+S指标嵌入进化算法框架中,提出基于IGD+S指标的高维多目标进化算法.在环境选择过程中,根据IGD+S选择优良个体.实验表明,文中算法在处理DTLZ问题和WFG问题上具有良好的竞争力.