第 30 卷 第 4 期
Vol. 30 No. 4
控 制 与 决 策
Control and Decision
2015 年 4 月
Apr. 2015
一种双链结构的多目标进化算法 DCMOEA
文章编号: 1001-0920 (2015) 04-0577-08 DOI: 10.13195/j.kzyjc.2013.1737
谢承旺
1a
, 王志杰
1a
, 魏 波
1a
, 徐 君
1b
, 汪慎文
2
(1. 华东交通大学 a. 软件学院,b. 信息工程学院,南昌 330013;2. 石家庄经济学院 信息工程学院,石家庄 050031)
摘 要: 提出一种双链结构的多目标进化算法 (DCMOEA). 该算法采用双链结构表示个体, 执行过程中无需设
置外部归档集合, 并采用 𝜀 支配策略保持解群的多样性. DCMOEA 与 MOEA/D、NSGA-II、SPEA2 和 PAES 一同在 4
个 2-目标 ZDT 函数和 4 个 3-目标 DTLZ 问题上进行实验, 并从算法所获解集的收敛性、分布均匀性和宽广性 3 个方
面进行比较, 仿真实验结果表明了 DCMOEA 的综合性能最好, 是一种颇具竞争力的多目标进化算法.
关键词: 双链个体;自重组;𝜀 支配;多目标进化算法
中图分类号: TP18 文献标志码: A
A multi-objective evolutionary algorithm based on double chains
XIE Cheng-wang
1a
, WANG Zhi-jie
1a
, WEI Bo
1a
, XU Jun
1b
, WANG Shen-wen
2
(1a. School of Software,1b. School of Information Engineering,East China Jiaotong University,Nanchang 330013,
China;2. School of Information Engineering,Shijiazhuang University of Economics,Shijiazhuang 050031,China.
Correspondent:XIE Cheng-wang,E-mail:chengwangxie@163.com)
Abstract: A multi-objective evolutionary algorithm based on double chains(DCMOEA) is proposed, which is characterized
with populated individuals based on double chains, no external archive is needed, and the 𝜀 dominance mechanism is
adopted for preserving population diversity. The DCMOEA is compared with MOEA/D, NSGA-II, SPEA2 and PAES
simultaneously on the platform employing four 2-objective ZDT test functions and four 3-objective DTLZ instances from
three aspects including convergence, spacing and maximum spread. Experimental results show that the DCMOEA has the
best comprehensive performance among five multi-objective evolutionary algorithms, and is a promising multi-objective
evolutionary algorithm.
Keywords: individual based on double chains;self-recombination;𝜀 dominance;multi-objective evolutionary algorithm
0 引引引 言言言
科学研究与工程实践中大量的优化问题需要
对多个目标同时优化, 一般而言, 多目标优化问题
(MOP) 中各目标之间通过决策变量相互制约, 对其中
一个目标优化必须以其他目标作为代价, 因而总体目
标没有单个的最优解, 而是一组均衡各目标的折衷解.
进化算法 (EA) 是一种基于群体的搜索方法, 其隐含
的并行性可以搜索多个目标, 运行一次可产生一组解.
鉴于 EA 的这些优势, 近年来已被广泛用于求解多目
标优化问题.
第 1 个真正意义上的多目标进化算法 (MOEA)
当属 Schaffer
[1]
提出的向量评估遗传算法 (VEGA). 此
后研究者基于不同的应用背景和实际问题, 提出各种
不同的 MOEAs, 代表性的有: Zitzler 等
[2]
提出的强度
Pareto 进化算法 (SPEA); Kim 等
[3]
在 SPEA 基础上提
出的改进型强度 Pareto 进化算法 SPEA2; Srinivas 等
[4]
提出的非劣分类遗传算法 (NSGA); Deb 等
[5]
对原始的
NSGA 进行改进, 提出了改进型非劣分类遗传算法
(NSGA-II); Knowles 等
[6]
提出的 Pareto 存档进化策略
(PAES) 等. 从 2003 年至今, 多目标进化算法前沿领
域的研究呈现出新的特点, 一些新型占优机制和新
的进化机制被引入多目标进化优化领域, 如 Zhang
等
[7]
将传统的数学规划方法与进化算法相结合提出
的 MOEA/D 等. 多目标进化算法的研究呈现出了蓬
收稿日期: 2013-12-13;修回日期: 2014-04-18.
基金项目: 国家自然科学基金项目(61165004);江西省自然科学基金项目(20114BAB201025);教育部人文社会科学
研究青年基金项目(14YJCZH172);江西省教育厅科技基金项目(GJJ14373, GJJ14396, GJJ12307);河北省
教育厅科研基金项目(QN20131053);河北省青年拔尖人才支持计划项目(冀字[2013]17号).
作者简介: 谢承旺(1974−), 男, 副教授, 博士, 从事智能计算等研究; 王志杰(1989−), 男, 硕士生, 从事群智能算法的研
究.