An efficient decomposition based multiobjective evolutionary algorithm with clustering covariance matrix adaptation

doi:10.1016/j.matcom.2026.08.018

An efficient decomposition based multiobjective evolutionary algorithm with clustering covariance matrix adaptation

2026-08-01

0

PRE

AI

DOI：10.1016/j.matcom.2026.08.018

原文链接

原文求助

摘要

En 中文

近年来，协方差矩阵自适应（CMA）在多目标进化算法设计中得到了广泛应用。然而，现有的CMA模型针对种群整体或部分中的每个解进行构建，可能导致丢失种群的全局分布信息，从而降低搜索效率。为解决此问题，本文提出了一种基于分解和聚类的多目标协方差矩阵自适应进化算法，称为C-MCMA/D。其关键在于两个方面：改进的CMA建模和自适应混合搜索机制。首先，在分解框架下，利用K均值聚类将目标空间中的权重向量分组，然后基于每个组内的所有个体对CMA进行建模，取代基于单个解的建模方法，从而逼近更有效的帕累托解区域。其次，为融合全局与个体信息，通过参数α引入自适应混合机制，基于进化过程的历史信息动态平衡CMA与差分进化算子。实验结果表明，C-MCMA/D在测试实例上显著优于对比算法，表明其将成为多目标优化领域具有竞争力的候选算法。

Keyword:

Multiobjective optimization

Decomposition approach

Covariance matrix adaptation

Adaptive strategy

An efficient decomposition based multiobjective evolutionary algorithm with clustering covariance matrix adaptation

摘要

期刊

机构

引用论文