论文部分内容阅读
针对优化函数未知的昂贵区间多目标优化,根据决策空间数据挖掘,提出了一种基于最近邻法和主成分分析法(Principal component analysis,PCA)的NSGA-II算法.该算法首先通过约束条件将待测解集分为可行解和非可行解,利用最近邻法对待测解和样本解进行相似性计算,判断待测解是否满足约束.然后对于两个解的Pareto支配性同样利用最近邻法来区分解之间的被支配和非被支配关系.由于目标空间拥挤距离无法求出,为此在决策空间利用主成分分析法将K-均值聚类后的解集降维,找出待测解的前、后近距