面向不规则超多目标优化问题的自适应增强泛化Pareto支配的进化算法

摘要： 现实场景中,超多目标优化问题(MaOPs)往往受到约束条件、冗余信息或高度非线性的影响,导致其Pareto前沿呈现出不规则形态.针对此类问题,进化算法在求解时面临两大挑战:解的选择压力显著减弱;Pareto最优解分布不均匀.鉴于此,提出一种自适应参考向量增强泛化Pareto支配的超多目标进化算法(ARPMaOEA).该算法通过泛化Pareto支配机制确保种群向真实的PF收敛,同... （共13页）