%0 Journal Article
%T 动态惩罚分解策略下的高维目标进化算法
%A 张梦紫
%A 章鸣雷
%A 叶枫
%A 吴峰
%A 王丽萍
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 基于分解的多目标进化算法(MOEA/D)的求解精度与聚合方法有直接关系，其中基于惩罚的边界交叉聚合法(PBI)受惩罚参数θ影响较大，固定的惩罚参数难以匹配不同位置的子问题，尤其边界子问题上的极端解易被邻域内非支配解替代.为此，本文提出一种基于动态惩罚分解策略的高维目标进化算法(MOEA/D-DPS)，通过动态调整惩罚参数θ来改变候选解选择区域大小，使不同位置的子问题都有更合适的选择区域，且减少了边界子问题上优秀解的丢失，更好地平衡了算法的收敛性与多样性.最后，本文通过仿真实验对比分析了MOEA/D-DPS算法与相关算法的性能，实验结果表明：MOEA/D-DPS算法在DTLZ1-4测试函数上所得解集整体性能更优
%K 多目标优化
%K 高维目标
%K 分解策略
%K 动态惩罚
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4637.shtml