周期性变量分解的多目标进化算法研究

摘要 大规模全局优化问题是目前多目标进化算法领域的研究热点和难点.随着优化问题决策变量增多，计算复杂度剧增.针对上述问题，本文给出周期性分解策略，将合作协同融合到多目标粒子群算法中，给出了周期性变量分解的多目标粒子群优化算法（PDMOPSO）.将该算法在标准测试函数ZDT1、ZDT3、ZDT6以及DTLZ1、DTLZ2变量扩展后进行仿真实验，并用ε指标和超体积指标对算法性能进行对比分析.实验结果表明，该算法在解决大规模变量的多目标函数中，变量维度越高，比经典多目标优化算法具有更好的多样性与收敛性，同时计算复杂度显著降低.