一种基于“探测'与“开采'的多目标进化算法  

A multi-objective evolutionary algorithm based on 'exploration' and 'exploitation'

作　　者：罗彪[1] 郑金华[1] 朱云飞[1,2] 蔡自兴[2] 

机构地区：[1]湘潭大学进化计算与智能系统研究中心,湘潭411105 [2]中南大学信息科学与工程学院,长沙410083

出　　处：《高技术通讯》2010年第2期143-149,共7页Chinese High Technology Letters

基　　金：国家自然科学基金(60773047);863计划(2001AA114060);湖南省教育厅重点科研项目(06A074);湖南省研究生科研创新项目(x2008yjscx18)资助项目

摘　　要：针对实践中多目标优化问题(MOPs)的Pareto解集(PS)未知且比较复杂的特性,提出了一种基于'探测'(Exploration)与'开采'(Exploitation)的多目标进化算法(MOEA)——MOEA/2E。该算法在进化过程中采用'探测'与'开采'相结合的方法,用进化操作不断地探测新的搜索区域,用局部搜索充分开采优秀的解区域,并用隐最优个体保留机制保存每一代的最优个体。与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA-Ⅱ进行的比较实验结果表明,MOEA/2E获得的Pareto最优解集具有更好的收敛性与分布性。In view of the fact that Pareto Set （PS） of multi-objective optimization problems （MOPs） is often unknown and complex in practice. This paper proposes a multi-objective evolutionary algorithm （MOEA） based on ＂Exploration＂ and ＂Exploitation＂, named MOEA/2E. This algorithm combines ＂Exploration＂ and ＂Exploitation＂ in the evolutionary process. It explores new searching areas with evolutionary operators, exploits promising areas effectively with local search and stores optimal individual of a population with elitism. Compared with two popular and efficient MOEAs--NSGA-Ⅱ and SPEA- Ⅱ, the experimental results demonstrate that MOEA/2E can obtain Pareto optimal solutions set with better convergence and diversity.

关 键 词：多目标进化算法 多目标优化问题(MOPs) 复杂Pareto解集 探测 开采 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]