基于权重学习的高维多目标进化算法
2021-01-19李杭涓崔志华谢丽萍
计算机技术与发展 2021年1期
关键词:策略
李杭涓,崔志华,谢丽萍
(太原科技大学 计算机科学与技术学院,山西 太原 030024)
0 引 言
随着社会对生产需求的增长,现实生活中的多目标优化问题[1-2]变得越来越复杂,需要考虑的目标问题也越来越多。因此,当前现有的进化算法[3]在求解多目标优化问题时面临着许多挑战[4-6]。例如,种群进化方向的盲目性,支配关系的无效性,收敛性和多样性不平衡性,真实解决方案集的可视化难度等。
随着目标数量的增多,种群中的非支配解在可行解中的比例会爆炸性地增加[7],促使种群进化的选择压力下降[8-9],导致了支配关系无效。针对这一问题,一些学者试图通过改变支配关系来增加选择压力,这意味着使用新的支配关系来增加进化种群的选择压力。例如,r支配[10]、ε支配[11]等支配关系。虽然在特定的情况下这些支配关系可以选出收敛性强的个体以维持种群的多样性和收敛性,但在此类方法中涉及到参数的取值,具有很大的不确定性。
由于支配关系的无效性,基于密度的多样性维护策略[12]是维持种群进化选择压力的另一方法。例如Deb等[13]提出的NSGA-III,该方法基于参考点选择个体以保持种群的良好分布。但是,该算法在环境选择阶段过于依赖多样性保护机制,收敛信息没有得到充分利用。同时,由于进化算法中进化策略的随机性,使得种群个体进化方向存在盲目性。
针对以上两个问题,该文提出了WL-NSGAIII算法,即分别从产生候选解和选择候选解两个角度对NSGAIII算法进行改进。……
登录APP查看全文
