基于分解的多目标进化算法 发表于 2020-07-15 更新于 2020-07-29 分类于 算法 阅读次数： Valine： 本文字数： 265 阅读时长 ≈ 1 分钟 基于分解的多目标进化算法即MOEA/D(DE)的学习整理 09年MOEA/D-DE算法论文 切比雪夫分解方法的原理 为什么分解后的子问题的解是原问题的解，即一个向量对应一个原来的解 SBX模拟二进制交叉算子的原理 MOEA/D-DE的基本过程： 初始化：T邻域计算，随机种群，参考点Z 更新（N轮）： ① 确定选择范围（一定低概率从所有父种群中选择） ② DE算子生成新解 ③ 变异算子处理 ④ 边界检查及修复 ⑤ 更新参考点 ⑥ 替换解（限制大小）停止准则（括号内为保持种群多样性的两个策略） 权重向量的设置，邻域子问题改进点：自适应 框架平台jMetalPlatEMO