基于双重贡献分配的多目标混合算子进化算法

针对多目标混合算子进化算法中各算子有效选择的自适应问题,提出一种基于双重贡献分配的多目标混合算子进化算法(DCA-MOEA/D).首先,将两种现有的进化算子与两种基于方向引导的差分进化组成算子池,每代个体以轮盘赌的方式从中选择一种进化算子产生子代;然后,根据子代的表现,结合两种方法为各算子分配贡献值,从而确定算子的选择概率;接着,引入外部归档集,根据非支配关系与拥挤度策略对其进行维护;最后,将整个进化过程划分为5个阶段,以达到算子选择中"探索"与"探究"之间的平衡.以IGD与HV为性能评价指标,通过与其他4种多目标进化算法在23个测试函数上的对比,验证所提出算法在收敛性和分布性上的显著优势.