改进NSGA-Ⅱ算法：加速多目标优化与保持解多样性

"一种改进的多目标优化算法 (2012年)" 是一篇发表于2012年的学术论文，主要关注多目标优化问题的解决。论文中介绍了一种新的杂交算子和对NSGA-Ⅱ（非支配排序遗传算法第二版）的改进方法，目的是加速非劣解向Pareto最优面的收敛速度，同时增加解的多样性。 在多目标优化问题中，Pareto最优是关键概念，它指的是在多个相互冲突的目标之间找到一组不可替代的解决方案，每种方案在所有目标上都无法被其他方案全面超越。NSGA-Ⅱ是一种常用的多目标优化算法，通过非支配排序和拥挤度计算来保持种群的多样性和进化效果。 论文提出的新算法中，采用中心均值重组算子策略来增强算法的全局搜索能力，这是一种优化策略，它可能涉及到计算种群中个体的平均特征，并基于这些信息生成新的解决方案，以期在更广泛的搜索空间中找到优质解。此外，对NSGA-Ⅱ的快速非支配排序和拥挤机制进行了改进，通过双种群截短策略，确保在迭代过程中保留最优解，防止优秀解的丢失，同时维持种群的多样性，这对于避免早熟收敛和提高解的质量至关重要。 实验结果证明，这种改进后的算法在解的收敛性、分布均匀性以及自适应性方面表现出色。收敛性是指算法能快速接近最优解的能力，分布性则指解在Pareto前沿的分散情况，自适应性则意味着算法能根据问题特性自我调整以求得更好的性能。 这篇论文的作者包括樊纪山、王经卓和熊盛武，他们分别来自淮海工学院电子工程学院和武汉理工大学计算机学院，研究领域涵盖了机器学习、演化计算、检测与控制等。该研究得到了国家自然科学基金的支持。 论文最后给出了具体的分类号、文献标志码、文章编号和DOI，这些都是学术文献的重要标识，便于后续的引用和检索。总体而言，这篇论文对于理解和改进多目标优化算法，特别是在实际工程和技术应用中寻求平衡多种目标的解决方案，提供了有价值的理论和技术支持。