针对NSGA-Ⅱ算法求解多目标问题时易出现未成熟收敛、分布性较差等不足,本文设计了模拟正态分布交叉算子(simulated normal distribution crossover operator,SNDX),并自适应的调整交叉概率和变异概率,来增强算法搜索能力。通过在多目标...针对NSGA-Ⅱ算法求解多目标问题时易出现未成熟收敛、分布性较差等不足,本文设计了模拟正态分布交叉算子(simulated normal distribution crossover operator,SNDX),并自适应的调整交叉概率和变异概率,来增强算法搜索能力。通过在多目标ZDT系列标准测试数据集上的仿真实验,并通过反转世代距离(inverted generational distance,简称IGD)评价函数进行验证。实验结果表明,SNDX-NSGA-Ⅱ算法提升了解集的收敛性和多样性。展开更多
文摘针对NSGA-Ⅱ算法求解多目标问题时易出现未成熟收敛、分布性较差等不足,本文设计了模拟正态分布交叉算子(simulated normal distribution crossover operator,SNDX),并自适应的调整交叉概率和变异概率,来增强算法搜索能力。通过在多目标ZDT系列标准测试数据集上的仿真实验,并通过反转世代距离(inverted generational distance,简称IGD)评价函数进行验证。实验结果表明,SNDX-NSGA-Ⅱ算法提升了解集的收敛性和多样性。
