今天给大家分享一期MOEA/D算法。1 引言
基于分解的多目标进化算法(MOEA/D)的核心思想将多目标优化问题被转化为一系列单目标优化子问题或者是多个多目标的子问题，然后利用子问题之间的邻域关系，采用协作的方式对这些子问题同时进行优化。从而向整个Pareto前沿逼近。通常子问题的定义由权重向量确定，子问题之间的邻域关系是通过计算权重向量之间的欧式距离来确定的。
MOEA/D算法的特点
1.它提供了一种简单但是有效的方法，那就是将分解的概念引入多目标进化计算中。
2.由于算法将多目标问题分解成子问题而不是作为一个整体来解决，适应度分配和多样性控制的难度都有所降低；
3.相较NSGA-II和MOGLS算法MOEA/D具有更低的计算复杂度，但在许多场景下解得表现上更为出色；
4.弥补传统不是基于分解的算法难以找到一个简单方法来利用标量（单维度）优化算法的缺点。
免费代码获取方式，后台回复关键词：
多目标01
