论文部分内容阅读
针对多目标差分进化算法在高维函数下收敛速度慢和易早熟的问题，提出一种基于多变异个体的多目标差分进化改进算法。通过在多目标差分进化算法的个体变异及交叉操作中，引入多个变异个体，使得在高维多目标函数情况下，多目标差分进化算法种群可以更好地保持多样性，减少种群陷入局部最优解的可能性，从而提高该算法在高维多目标优化问题环境下，最优值解的搜索速度及全局最优值解的查找能力。实验结果表明，在高维多目标环境下，与标准多目标差分进化算法相比，该算法可以更快速地找到多个目标函数组的非劣最优值解集。