MOEA/ⅠCD:一种基于适应度指标ⅠCD的高维多目标进化算法

TP181; 已有的基于参考点(参考向量)或标量化效用函数的多目标进化算法(Multi-Objective Evolutionary Al-gorithm,MOEA)在求解高维多目标优化问题(Many-objective Optimization Problems,MaOPs)时存在不足.基于此,本文提出一种动态度量解个体收敛性与多样性综合性能的适应度指标(Fitness indicator considering convergence and diversity of individual adaptively,ⅠCD),该指标随进化过程的推进而自适应地调整种群个体的收敛性和多样性所占比例,即初期ⅠCD强调收敛性而后期侧重多样性,以平衡高维多目标种群的收敛性和多样性,并获得高质量的解集.进一步地,将ⅠCD嵌入NSGA-Ⅱ算法框架,设计一种基于ⅠCD的高维多目标进化算法(Many-Objective Evolutionary Algorithm Based on ⅠCD,MOEA/ⅠCD).最后,将新算法与 5 种代表性算法一同在DTLZ和MaF系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试.实验结果表明:相比5种对比算法,MOEA/ⅠCD具有显著较优的收敛性和多样性.因此,MOEA/ⅠCD是一种颇具前景的高维多目标进化算法(Many-Objective Evolutionary Algorithm,MaDEA).