分解是传统多目标最优化中中的基础方法

分解是传统多目标最优化中中的基础方法(中文6000字,英文PDF)
摘要——分解是传统多目标最优化中中的基础方法。然而，它没有在多目标进化最优化中得到广泛地应用。这篇论文提出了一个基于分解的多目标进化算法(MOEA/D)。该算法将一个多目标最优化问题分解为一系列的单目标最优化子问题并同时对子问题求最优解。每个子问题只通过使用它相邻的几个子问题的信息来进行优化，通过这种方法，MOEA/D在每一代的计算复杂度比MOGLS和非支配排序遗传算法II(NSGA-II)更低。实验结果证明MOEA/D通过简单的分解策略就可以和MOGLS或NSGA-II算法在多目标0-1背包问题和连续多目标最优化问题上有相同甚至更好的性能。这说明MOEA/D使用目标标准化可以解决不相干刻度(disparately-scaled?)的目标，并且MOEA/D使用高级的分解策略解决3目标测试例子可以产生一组均匀分布的结果。小种群的MOEA/D的水平、可扩展性和灵敏度也在这篇论文中实验性研究。