基于模糊系统的改进型NSGA-III算法

在利用多目标进化算法解决高维多目标优化问题时，随着目标函数个数的增加，非支配解的个数呈指数增长，使得在环境选择阶段缺少足够的选择压力，进而影响算法性能。基于分解的NSGA-III算法是一种能够有效解决上述问题的多目标进化算法，但在该算法中采用固定的交叉概率和变异概率生成新的解，使得算法在处理一些复杂的高维多目标问题时表现较差。因此，本文提出一种基于模糊系统的改进型NSGA-III算法，该算法利用模糊系统动态调整子代生成过程中算子的交叉概率与变异概率。对于模糊系统的设计，采用与算法密切相关的Spread值和迭代次数作为输入，利用模糊逻辑推理后输出交叉概率与变异概率。将所提算法与其他基于分解技术的算法在20个高维多目标优化问题上进行实验对比，结果表明本文算法可以有效提高收敛速度，且能很好地保持种群的多样性和收敛性。