一种基于信息分离的高维多目标进化算法

来源：软件学报杂志2015年第5期北京时间：

作者：郑金华,申瑞珉,李密青,邹娟

单位：郑金华，湘潭大学 信息工程学院, 湖南 湘潭 41110511,申瑞珉，湘潭大学 数学与计算科学学院, 湖南 湘潭 41110502,李密青，Department of Information Systems and Computing, Brunel University, Uxbridge, UK03,邹娟，湘潭大学 信息工程学院, 湖南 湘潭 41110504

摘要：高维多目标优化是指对目标维数大于三维的多目标问题(multi-objective optimization problem,简称MOP)进行优化.大多数传统的多目标进化算法采用Pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objective evolutionary algorithm based on information separation,简称ISEA).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)T平行.ISEA定义转换坐标的第1个坐标值为收敛信息(convergence information,简称CI),剩余的坐标代表个体分布信息(diversity information,简称DI).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与NNIA,e-MOEA, MSOPS,AR+DMO以及IBEA这5种经典算法进行了比较.实验结果表明,ISEA在处理高维多目标优化问题时具有良好的收敛性和分布性.

关键词：多目标优化;进化算法;高维多目标优化;信息分离

基金资助：国家自然科学基金(61379062, 61372049, 61403326); 湖南省教育厅项目(12A135, 12C0378); 湖南省自然科学基金(14JJ2072, 13JJ8006); 湖南省研究生科研创新项目(CX2013A011); 湖南省科技支撑计划(2014GK3027); 湖南省科技厅项目(2013 SK3136)