论文部分内容阅读
设计一种高效的演化多目标优化算法,使其能获得一组同时具有优异的收敛性和多样性的解集是一项很困难的任务。为了能高效求解多目标优化问题,在基于指标的进化算法(IBEA)的基础上:1)引入基于目标空间网格的多样性保持策略,保证算法近似前沿具有优异的分布性;2)引入反向学习机制,同时评估当前解和当前解的反向解,期望能找到一组较优的解从而加快算法收敛。通过6个标准测试函数对改进算法进行测试,其结果表明改进算法可以有效逼近真实Pareto前沿并且分布均匀。