论文部分内容阅读
为有效求解多目标优化问题,找到接近完整和最优的非劣解集,提出了一种改进的多目标差分进化混合算法(SM-DEMO).该算法设计了一种基于欧氏距离的排序选择方法,将Pareto 非劣等级排序操作和差分进化算法进行有机融合,并且在进化过程加入单纯形局部搜索,引入优秀个体提高算法的收敛性.实验证明,该算法能够有效逼近真实的非劣前沿,具有良好的收敛性和分布多样性。