基于分解的多目标进化算法（Multi-objectiveEvolutionary Algorithm Based on Decomposition, MOEA/D）将多目标优化问题被转化为一系列单目标优化子问题，然后利用一定数量相邻问题的信息，采用进化算法对这些子问题同时进行优化。因为Pareto前沿面上的一个解对应于每一个单目标优化子问题的最优解，最终可以求得一组Pareto最优解。由于分解操作的存在，该方法在保持解的分布性方面有着很大优势，而通过分析相邻问题的信息来优化，能避免陷入局部最优。
1、MOEA/D的特点与其它多目标进化算法相比，MOEA/D具有以下特点：
(1) MOEA/D将分解引入到多目标进化计算中，使得分解的方法可以真正的被并入到进化算法中，通过使用MOEA/D框架来解决多目标优化问题。
(2)因为MOEA/D算法是同时优化N标量子问题而不是直接将多目标优化问题作为一个整体来解决，那么MOEA/D将会降低传统MOEA的多样性保持和适应度分配的难度。
(3)MOEA/D利用相邻子问题的解的信息去同时优化N标量子问题。相对来说，MOEA/D不会重复的优化标量子问题，因为它利用了子问题之间的协同进化机制，所以算法的计算复杂度比较低。
(4)可以将目标归一化技术纳入MOEA / D以处理不同比例的目标。因为在实际问题当中，一定数量的目标函数的值之间的差距会非常大，不能简单地直接将它们进行聚合。
. ~, d' h+ w' b3 @& w& k: }- D: T| 欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) | Powered by Discuz! X2.5 |
