通过种群扩张和稀疏化策略优化NSGA-II-DE算法。

简介：
NSGA-II-DE算法是基于NSGA-II算法，并结合DE算法的快速收敛速度和高鲁棒性的优势所发展出的优化算法。它显著提升了原算法的收敛效率，同时有效减少了对参数设置的敏感度。尽管如此，原算法在改善解群分布性方面仍存在不足。为解决这一问题，本文提出了一种全新的改进型NSGA-II-DE算法，该算法巧妙地融合了种群扩张与稀疏化策略。具体而言，种群扩张通过在进化过程的后期保留每代中的第一非支配面上的个体来增加候选解的数量。随后，利用稀疏化策略从这些候选解中筛选出能够最大程度地保证整体分布均匀的最优解。在迭代完成之后，对整个种群进行非支配排序，并剔除所有不在第一非支配面之上的个体，从而显著提升解群的质量。此外，还进行了稀疏化处理：首先按照目标向量的一个维度对扩张后的所有个体进行排序，然后选择间距与预期的距离最为接近的个体，以有效地改善解群的分布性。实验结果表明，所提出的算法在提升原算法解群分布性方面表现出色；然而，相较于原始算法，该算法的时间和空间复杂度有所增加。