基于分布估计的分解多目标进化算法

分解多目标进化算法具有较好的分布性,但群体数量会随着目标数的增加而急剧增加,严重影响算法效率。提出一种基于分布估计的分解多目标进化算法,基本思想:首先将多目标分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生解。数值分析和实验表明,新算法的解不仅具有较好的多样性和均匀性,而且算法的计算复杂度明显低于分解多目标进化算法,尤其是对于三目标优化问题。