魏文红　王甲海　陶　铭　袁华强

1(东莞理工学院计算机学院　广东东莞　523808)2(中山大学计算机科学系　广州　510006) (weiwh@dgut.edu.cn)



基于泛化反向学习的多目标约束差分进化算法

魏文红1王甲海2陶铭1袁华强1

1(东莞理工学院计算机学院广东东莞523808)2(中山大学计算机科学系广州510006) (weiwh@dgut.edu.cn)

摘要差分进化算法是一种简单有效的进化算法，基于泛化反向学习的机制在进化算法中经常可以引导种群的进化.针对多目标的约束优化问题，提出了一种基于泛化反向学习的多目标约束差分进化算法.该算法采用基于泛化反向学习的机制(generalized opposition-based learning, GOBL)产生变换种群，然后在种群初始化和代跳跃阶段，利用非支配排序、拥挤距离和约束处理技术从原始种群和其变换种群中选择更优的种群个体作为新的种群继续迭代进化；该算法通过采用基于泛化反向学习的机制，可以引导种群个体慢慢向最优的Pareto前沿逼近，以求得最优解集.最后采用多目标Benchmark问题对该算法进行了实验评估，实验结果表明：与NSGA-Ⅱ，MOEAD及其他的多目标进化算法相比，提出的算法具有更好的收敛性，并且产生的解能够逼近最优的Pareto前沿.

关键词差分进化；泛化反向学习；多目标优化；约束优化;非支配排序

多目标优化问题(multi-objective optimization problems, MOPs)在许多领域都有广泛的应用，特别是科学、工程和经济领域[1].与单目标优化问题不同，多目标优化问题必须同时优化多个目标函数.由于多个目标函数相互冲突，所以不能像求解单目标优化问题一样，总能找到一个……