郭华，韦伟，谢承旺,2，潘嘉敏，程文旗，谢子若

IRVEA：一种改进角度惩罚距离的RVEA算法

郭华1，韦伟1，谢承旺1,2，潘嘉敏1，程文旗1，谢子若3

（1. 南宁师范大学 计算机与信息工程学院，广西 南宁 530000；2. 华南师范大学 数据科学与工程学院，广东 汕尾 516600；3. 华东交通大学 软件学院，江西 南昌 330013）

多目标和高维多目标进化算法致力于平衡收敛性和多样性。经典的RVEA算法利用角度惩罚距离方法平衡收敛性与多样性，但它仍存在不足，从而对算法的性能产生不利影响。课题组提出一种改进的角度惩罚距离方法IAPD以更好地平衡算法的收敛性和多样性，并将IAPD策略嵌入RVEA中，以取代原始的APD方法，设计了一种改进角度惩罚距离的RVEA算法，即IRVEA。IRVEA与其他三种经典的高维多目标进化算法一同在3-、5-、8-和10-目标的WFG1～WFG6测试问题上进行IGD性能测试，结果表明：该算法在平衡收敛性和多样性上具有显著优势。由此表明IRVEA算法是一种有前途的高维多目标进化算法。

高维多目标优化；进化算法；改进角度惩罚距离；参考向量

1 引言

在科学计算与工程实践中存在大量需要同时优化多个目标的问题，它们通常被称为多目标优化问题[1]（multi-objetive optimization problem，MOP）。MOP各目标之间往往相互冲突，改善其中一个目标将导致其他一个或多个目标性能的恶化。因此MOP一般不存在单个最优化能同时优化所有目标，其求解结果往往是一组折中解，即Pareto解集或非劣解集[2]。

进化算法（evolutionary algorithm，EA）是一类基于群体搜索的启发式方法，它运行一次可获得一组解，而且它具有内在并行性，可显著地改善算法的搜索性能。……