论文部分内容阅读
为了改进多目标进化算法的收敛性和解集的多样性，提出一种基于Pareto排序的混合多目标进化算法PHMOEA。在PHMOEA中使用干扰集刺激优化非支配集的构成，改善算法的收敛性和解集的分布性，并根据Pareto等级和精英保留策略改进了交叉算子和变异算子。该算法与著名的NSGA-II和SPEA2多目标进化算法在13个基准测试函数上的对比结果表明，PHMOEA算法不仅多样性较好，而且提高了算法的收敛性，并使获得的最优解集的分布性更均匀，覆盖范围更广。