控制与决策

作者：葛媛媛,陈得宝,邹锋

单位：淮北师范大学 计算机科学与技术学院,安徽 淮北 235000;安徽省认知行为智能计算工程研究中心,安徽 淮北 235000,,淮北师范大学 物理与电子信息学院,安徽 淮北 235000;安徽省认知行为智能计算工程研究中心,安徽 淮北 235000,,淮北师范大学 物理与电子信息学院,安徽 淮北 235000,

关键词：大规模多目标优化;多目标优化;差分进化;多种群策略;变异策略

基金：国家自然科学基金项目(61976101)；安徽省学术和技术带头人后备人选科研活动经费项目(2021H264)；安徽省高校学科(专业)拔尖人才学术项目(gxbjZD2022021).

针对差分进化算法在解决大规模多目标优化问题时,出现优化后期多样性不足、收敛速度慢等问题,提出一种多群多策略差分大规模多目标优化算法.根据个体特性不同,将种群分为3个等级不同的子群,利用多群策略的优势维持种群多样性.为减少种群陷入局部最优的概率,在不同等级的子群中引入多个变异策略以较好地平衡子群个体的多样性和收敛性.为保证不同子群间信息得到有效交换,根据3个子群的进化状态确定重新分群时机,既保证个体在本群内得到充分进化,又保证个体在一定的条件下进行信息交换.为利用更多的信息生成优秀的子代,将更新后的子群与其父代子群合并,选出下一代子群.为验证所提出算法的有效性,在一组大规模基准测试问题上评估算法的性能,实验结果表明,所提出算法在两个常用测试指标IGD和HV上明显优于其他对比算法.

来源：2024年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第2期