基于多偏好自适应协同的高维目标进化算法

摘要 在解决高维目标优化问题时，针对多偏好的优化解决方案存在偏好值设置困难和计算复杂度高的缺点，提出一种基于多偏好自适应协同进化的高维目标进化算法.首先利用多个随机偏好引导种群进化，然后利用进化后的种群选择偏好，这两个过程循环交替，实现偏好与种群协同进化来.在协同进化的基础上，为了在最大化偏好的效用性的同时降低计算复杂，进一步提出多偏好自适应策略，即在混合排序的机制下，给与种群一个可变的偏好适应周期.在算法性能仿真实验中，该算法应用于求解2到10目标的WFG测试函数，评估了算法计算复杂度和超体积指标，实验结果表明，在保持解集质量的同时能够有效降低算法的计算复杂度，从而有效改善了解集质量与算法复杂度之间的平衡