基于分解的多目标进化算法MOEA/D(Multi-objective Evolutionary Algorithm Based on Decomposition)具有收敛速度快、分布性好等特点,但其在非凸函数上的性能有待提高。鉴于量子进化算法在多峰值函数上的优良性能,将MOEA/D与量子进化...基于分解的多目标进化算法MOEA/D(Multi-objective Evolutionary Algorithm Based on Decomposition)具有收敛速度快、分布性好等特点,但其在非凸函数上的性能有待提高。鉴于量子进化算法在多峰值函数上的优良性能,将MOEA/D与量子进化算法相结合,提出基于分解的多目标量子差分进化算法QD-MOEA/D(Quantum Differential Multi-objective Evolutionary Algorithm Based on Decomposition)。QD-MOEA/D的量子染色体采用实数编码,节省存储空间,加快运算速度。为了加快算法收敛速度并提高算法探测能力,量子染色体采取差分进化,其变异方式为量子非门。在多个标准测试函数的实验结果表明,该算法改进了MOEA/D在非凸函数上的收敛性和分布性。展开更多
文摘基于分解的多目标进化算法MOEA/D(Multi-objective Evolutionary Algorithm Based on Decomposition)具有收敛速度快、分布性好等特点,但其在非凸函数上的性能有待提高。鉴于量子进化算法在多峰值函数上的优良性能,将MOEA/D与量子进化算法相结合,提出基于分解的多目标量子差分进化算法QD-MOEA/D(Quantum Differential Multi-objective Evolutionary Algorithm Based on Decomposition)。QD-MOEA/D的量子染色体采用实数编码,节省存储空间,加快运算速度。为了加快算法收敛速度并提高算法探测能力,量子染色体采取差分进化,其变异方式为量子非门。在多个标准测试函数的实验结果表明,该算法改进了MOEA/D在非凸函数上的收敛性和分布性。