基于外部存档的MOEA/D与NSGA2结合算法

资 源 简 介

基于外部存档的MOEA/D与NSGA2结合算法

详 情 说 明

在多目标优化领域，MOEA/D和NSGA-II是两种具有代表性的进化算法，它们各自具有独特的优势。MOEA/D通过分解策略将多目标问题转化为单目标子问题集合，而NSGA-II则采用非支配排序和拥挤度距离来维持解的多样性。近年来，研究者们开始探索将这两种算法结合的混合方法，其中基于外部存档的融合方式尤为值得关注。

这种结合算法的核心思想是利用外部存档机制来整合两种算法的优势。在框架设计中，外部存档承担着保存优秀解的职责，通过特定的更新策略来维持解集的质量和多样性。算法运行时，MOEA/D和NSGA-II可以并行或交替执行，它们产生的非支配解将被收集到统一的外部存档中。存档管理策略通常包含三个关键环节：非支配解筛选、多样性保持和容量控制。

这种混合算法相比单一算法具有明显优势。首先，它综合了MOEA/D在收敛性方面的优势和NSGA-II在多样性保持方面的特长。其次，外部存档机制使算法能够保留历史优秀解，避免优良个体的丢失。最后，通过合理的参数设置，算法可以在不同特性的问题上展现出更好的鲁棒性。

在实际应用中，这种算法需要特别关注几个关键参数的设置：外部存档的大小、两种算法的执行比例、以及解进入存档的筛选标准。合理的参数配置能够使算法在不同的多目标优化问题上都表现出色。实验研究表明，这种混合算法在复杂的多目标优化问题上往往能获得比单一算法更优的Pareto前沿。