论文部分内容阅读
含有大规模决策变量的优化问题是当前多目标进化算法领域中的研究热点和难点之一。在解决大规模变量问题时，目前的进化算法并没有寻找决策变量之间的关联信息，而都只是将所有变量视为一个整体来进行优化。但随着优化问题中决策变量的增多，“变量维度”成为瓶颈，从而影响算法的性能。针对上述问题，提出关联变量分组策略，通过识别决策变量间内在的关联信息把关联变量分配到同组中，将复杂高维变量的优化问题分解为简单低维的子问题来求解。该策略通过增加关联变量分配到同组中的概率来使算法尽可能地保留变量之间的关联性，减少分组后子问题间的依