多目标进化优化中的多样性管理

在进化多目标优化中，优化器的任务是获得真实帕累托最优前沿的准确和有用的近似。接近前沿和近似集合中的解的多样性是重要的要求。大多数已建立的多目标进化算法（MOEA）都有机制来满足这些要求。然而，在多目标优化中，当目标数量超过 2 或 3 时，这两个要求可能会相互冲突，导致主导抵抗和物种化等问题。本文介绍了两种多样性管理机制，以研究其对整体解收敛性的影响。它们分别引入，并结合在一起，测试了一个目标数量递增的测试函数集（6-20）。结果发现，在多目标优化问题中，包含其中一种机制可以改善一个成熟的 MOEA 的性能，在收敛性和多样性方面都有所提升。本文讨论了这一点对多目标 MOEA 的相关性。