面向多目标优化的多样性代理辅助进化算法

作者：孙哲人^*; 黄玉划; 陈志远

来源：软件学报, 2021, 32(12): 3814-3828.

DOI：10.13328/j.cnki.jos.006109

• 代理模型
• 进化算法
• 多目标优化
• 昂贵问题
• 参考向量
• 模型管理
• Kriging

代理辅助进化算法(SAEA)是目前解决昂贵优化问题的一种有效途径.提出一种基于多样性的代理辅助进化算法(DSAEA)来解决昂贵多目标优化问题.DSAEA采用Kriging模型近似每个目标来代替原目标函数进行评估,加速了进化算法的优化过程.其引入参考向量把问题分解为多个子问题,根据解与参考向量之间的角度大小建立它们的相关性,然后计算出最小相关解集.在此基础上,候选解生成算子和选择算子会趋向于保留多样性的解.另外,训练集A在每次迭代后会进行更新,根据多样性删除价值不大的样本以减少建模时间.实验部分对DSAEA与目前流行的代理辅助进化算法在大规模2目标和3目标优化问题上进行对比实验.每个算法在不同的测试问题上分别独立运行30次,并计算和统计反向迭代距离(IGD)、超体积(HV)和运行时间,最后使用秩和检验分析实验结果.结果表明:DSAEA在多数实验测试问题上表现更好,因此具有有效性和可行性.

• 出版日期2021
• 单位南京航空航天大学