一种基于新型差分进化模型的MOEA/D改进算法

来源：计算机工程与应用杂志2019年第8期北京时间：

作者：耿焕同，周利发，丁洋洋，周山胜

单位：南京信息工程大学 计算机与软件学院，南京 210044

摘要：针对MOEA/D算法中差分进化操作收敛精度不高且速度较慢的不足，提出了一种综合基于可控支配域的向量差生成策略和基于主成分的动态缩放因子的新型差分进化模型，均衡显性与隐性搜索引导；并实现了一种基于新型差分进化模型的MOEA/D改进算法（MOEA/D-iDE）。新型差分进化是借助基于可控支配域的非支配排序对邻域进行分层，根据分层信息生成与不同进化阶段相匹配的向量差，实现对种群收敛速度的显性引导；同时对决策空间进行主成分分析，动态调整差分进化缩放因子，实现对种群收敛精度的隐性引导。实验选取ZDT、DTLZ和WFG等为测试问题，以IGD+，ER作为评价指标，将MOEA/D-iDE算法与6个同类算法进行对比实验，结果表明新算法在保证多样性的同时具有更好的收敛速度与精度，从而验证了新型差分进化模型的有效性。

关键词：差分进化,可控支配域,主成分分析,基于分解的多目标进化算法