一种基于正态分布交叉的ε-moea

实数编码的多目标进化算法常使用模拟二进制交叉(simulatedbinarycrossover,简称sbx)算子.通过对sbx以及进化策略中变异算子进行对比分析,并引入进化策略中的离散重组算子,提出了一种正态分布交叉(normaldistributioncrossover,简称ndx)算子.首先在一维搜索空间实例中对ndx与sbx算子进行比较和分析,然后将ndx算子应用于deb等人提出的稳态多目标进化算法ε-moea(ε-dominancebasedmultiobjectiveevolutionaryalgorithm)中.采用ndx算子的ε-moea(记为ε-moea/ndx)算法在多目标优化标准测试集zdt和dtlz的10个函数上进行了实验比较.实验结果和分析表明,采用ndx的?-moea所求得的pareto最优解集质量明显优于经典算法ε-moea/sbx和nsga-ii.