进化多目标优化算法性能评价方法的研究

如何评价一个多目标进化算法(MOEA)的性能，是进化多目标优化(EMO)中最基本、最重要的问题。目前，国际上对MOEA性能评价方法的研究尚处于初级阶段，已有的评价方法主要是针对低维多目标优化问题(MOP)的，存在较严重的评价相关性和评价结果不一致等问题。本项目对MOEA的性能评价方法进行系统研究。通过对MOEA性能评价方法的相关性和评价指标体系的研究，提出MOEA性能评价的一般方法；研究边界解对分布性的影响，从理论上论证边界解影响分布性的原因，提出分布广泛性评价方法；针对非均匀分布问题的特点，研究其特征提取方法，提出非均匀分布性评价方法；采用计算几何中空间扫描方法等，研究Hypervolume指标评价方法，提出计算该项评价指标的有效方法；针对高维MOP的特点，采用可视化技术等研究适用于高维MOP的评价方法。通过本项目的研究，建立MOEA的性能评价体系，为MOEA的设计、研究和应用提供指导。

评价一个多目标进化算法(MOEA)的性能，是进化多目标优化(EMO)中最基本也是最重要的问题之一。目前，国际上对MOEA性能评价方法的研究尚处于初级阶段，已有的评价方法主要是针对低维多目标优化问题(MOP)的收敛性和均匀分布性进行评价，存在较严重的相关性问题和评价结果不一致等问题。为此，本项目对MOEA的性能评价方法进行了系统研究。结合MOEA性能评价规范，研究MOEA性能评价的一般方法；研究不同边界解对分布范围的影响，从理论上论证了极端解集无法决定分布范围的原因，利用边界集级数评价非支配集的分布广泛性；研究非均匀分布问题的特征提取方法，提出非均匀分布性评价的一般方法；采用计算几何的空间扫描方法等，提出计算Hypervolume指标的有效方法；采用可视化技术等研究适用于高维MOP的评价方法。通过本项目的研究，建立MOEA的性能评价体系，为EMO算法的设计、研究和应用提供指导。组织学术讨论会1次，参加国内外重要学术会议8人次，与英国、加拿大、美国、德国等知名学者就本项目内容进行了广泛、深入的交流；培养研究生23人，其中博士后在读1人，博士在读2人，硕士毕业10人，硕士在读10人；在重要学术期刊或国际会议上发表论文22篇，其中SCI收录1篇，EI收录12篇，ISTP收录6篇。