进化高维多目标优化研究综述.pdf

2023年8月控制工程Aug.2023

第30卷第8期ControlEngineeringofChinaVol.30,No.8

文章编号：1671-7848(2023)08-0000-16DOI:10.14107/j.cnki.kzgc.20230186

进化高维多目标优化研究综述

112311

徐康宇，刘元，李密青，杨圣祥，邹娟，郑金华

（1.湘潭大学计算机学院·网络空间安全学院，湖南湘潭411100；2.SchoolofComputerScience,BirminghamUniversity,

BirminghamB152TT,UK；3.SchoolofComputerScienceandInformatics,DeMontfortUniversity,LeicesterLE19BH,UK）

摘要：高维多目标优化问题（Many-objectiveOptimizationProblems，MaOPs）已经普遍

存在于工业和科学领域中，这类问题的目标数一般超过3个且目标之间存在冲突性，即一

个目标性能的提升可能会导致其它一个或多个目标性能的恶化。目标之间的冲突特性导致

MaOPs不存在唯一的最优解，而是需要获得一组折中解在目标之间进行平衡。进化算法

作为一种基于种群的元启发式有哪些信誉好的足球投注网站方法已经被证实能够有效的求解MaOPs，逐渐成为多

目标优化领域的研究热点之一。近20年来，高维多目标进化算法（Many-objective

EvolutionaryAlgorithms,MaOEAs）研究已取得了长足发展，大量先进的进化理论和评价

体系被不断提出和完善。现对进化高维多目标优化（EvolutionaryMany-objective

Optimization，EMaO）的研究进展进行全面的综述，具体包括：（1）描述了EMaO的相

关理论背景；（2）分析了EMaO所面临的挑战；（3）详细讨论了MaOEAs的发展概况；

（4）归纳了MaOPs以及性能指标；（5）介绍了面对高维目标空间的可视化工具；（6）

总结了MaOEAs在一些领域的应用；（7）剖析了进化算法在解决MaOPs时所面临的问

题和挑战，并给出未来研究方向的建议。

关键词：进化高维多目标优化；进化算法；高维多目标优化问题；Pareto支配

中图分类号：TP301文献标识码：A

EvolutionaryMany-objectiveOptimizationASurvey

：

112311

XuKangyu,LiuYuan,LiMiqing,YangShengxiang,ZouJuan,ZhengJinhua

(1.SchoolofComputerScienceSchool