基于分解的演化多目标优化算法综述
作者:
作者单位:

作者简介:

通讯作者:

高卫峰,gaoweifeng2014@126.com

中图分类号:

TP18

基金项目:

国家自然科学基金(61772391, 62106186); 陕西省自然科学基础研究计划(2022JQ-670, 2020JM-178)


Survey on Multiobjective Optimization Evolutionary Algorithm Based on Decomposition
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于分解的演化多目标优化算法(MOEA/D)的基本思想是将一个多目标优化问题转化成一系列子问题 (单目标或者多目标)来进行优化求解. 自2007年提出以来, MOEA/D受到了国内外学者的广泛关注, 已经成为最具代表性的演化多目标优化算法之一. 总结过去13年中关于MOEA/D的一些研究进展, 具体内容包括: (1)关于MOEA/D的算法改进; (2) MOEA/D在超多目标优化问题及约束优化问题上的研究; (3) MOEA/D在一些实际问题上的应用. 然后, 实验对比几个具有代表性的MOEA/D改进算法. 最后, 指出一些MOEA/D未来的研究方向.

    Abstract:

    The basic concept of the multiobjective optimization evolutionary algorithm based on decomposition (MOEA/D) is to transform a multiobjective optimization problem into a set of subproblems (single-objective or multiobjective) for optimization solutions. Since MOEA/D was proposed in 2007, it has attracted extensive attention from Chinese and international scholars and become one of the most representative multiobjective optimization evolutionary algorithms. This study summarizes the research progress on MOEA/D in the past thirteen years. The advances include algorithm improvements of MOEA/D, research of MOEA/D on many-objective optimization and constraint optimization,and application of MOEA/D in some practical issues. Then, several representative improved algorithms of MOEA/D are compared through experiments. Finally, the study presents several potential research topics of MOEA/D in the future.

    参考文献
    相似文献
    引证文献
引用本文

高卫峰,刘玲玲,王振坤,公茂果.基于分解的演化多目标优化算法综述.软件学报,,():1-29

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-09-07
  • 最后修改日期:2021-04-13
  • 录用日期:
  • 在线发布日期: 2022-05-24
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号