关于改进NSGA-II算法的论文研究——基于个体邻域方法.pdf

简介：
本论文针对多目标优化问题，提出了一种改进的NSGA-II算法，通过引入个体邻域搜索策略来增强其多样性和收敛性。 带有精英策略的非支配排序遗传算法（NSGA-II）在NSGA的基础上引入了拥挤度及相应的比较算子，取代了需要设定共享半径的传统适应度共享策略，成为解决多目标优化问题的经典方法之一。然而，NSGA-II算法中用于保持种群多样性的拥挤距离排挤机制存在Pareto前沿分布不均匀的问题。为此，提出了一种基于个体邻域的改进NSGA-II算法——SN-NSGA2。 SN-NSGA2借鉴了密度聚类算法DBSCAN中的邻域概念，并引入一种构建个体邻域的方法以及相应的淘汰策略来移除个体邻域内的其他邻居。实验结果显示，相较于传统NSGA-II算法，新提出的SN-NSGA2能够生成分布性更好、收敛性能更佳的Pareto解集。