软件学报

作者：梁正平，林万鹏，胡凯峰，明仲，朱泽轩

单位：梁正平，深圳大学 计算机与软件学院, 广东 深圳 51806011,林万鹏，深圳大学 计算机与软件学院, 广东 深圳 51806002,胡凯峰，深圳大学 计算机与软件学院, 广东 深圳 51806003,明仲，深圳大学 计算机与软件学院, 广东 深圳 51806004,朱泽轩，深圳大学 计算机与软件学院, 广东 深圳 51806005

关键词：超多目标优化|进化算法|曲率预估|参考向量|环境选择

基金：国家重点研发计划(2021YFB2900800); 国家自然科学基金(61871272); 广东省自然科学基金(2020A1515010479, 2021A1515011911); 深圳市高等院校稳定支持(20200811181752003)

基于分解的超多目标进化算法是求解各类超多目标优化问题的主流方法, 其性能在很大程度上依赖于所采用参考向量与真实帕累托前沿面(Pareto front, PF)的匹配程度. 现有基于分解的超多目标进化算法尚难以同时有效处理各类PF不同的优化问题. 为此, 提出了一种基于PF曲率预估的超多目标进化算法(MaOEA-CE). 所提算法的核心包括两个方面, 首先基于对PF曲率的预估, 在每次迭代过程中生成不同的参考向量, 以渐进匹配不同类型问题的真实PF; 其次在环境选择过程中, 再基于预估的曲率选择合适的聚合函数对精英解进行挑选, 并对参考向量进行动态调整, 在维护种群多样性的同时提升种群的收敛性. 为验证MaOEA-CE的有效性, 将其与7个先进的超多目标算法在3个主流测试问题集DTLZ、WFG和MaF上进行对比, 实验结果表明MaOEA-CE具有明显的竞争力.

来源：2023年第9期

《软件学报》期刊编辑部

查看软件学报杂志2023年第9期