论文部分内容阅读
子问题邻域对基于分解的多目标进化算法性能影响较大．当邻域过大时，种群繁殖产生的新解偏离Pareto解集，在更新子问题时，新解与邻域内旧解的比较次数增多，算法的计算复杂度增加；当邻域过小时，算法容易陷入局部最优．为了解决上述问题，文中提出基于差异化邻域策略的分解多目标进化算法（MOEA／D-DN），通过分析不同大小的邻域对算法性能的影响，选择合适的参数．并根据每个子问题的权重向量与中心向量的偏角，为各子问题设置不同大小的邻域，合理分配算法资源，提高算法搜索全局最优解的速率．在2维ZDT系列和3维、5维DTL