摘要：在筛选个体的过程中,多目标进化算法大多利用非支配信息和密度信息评价个体.但当个体互为非支配关系时,上述信息就难以区分个体的优劣从而影响算法性能.为了改善上述情况,提出了-种基于距离收敛量和历史信息密度的多目标进化算法.距离收敛量可以在非支配信息不能区分个体时评价个体的收敛性;历史信息密度可以更精确地提供个体多样性信息.在与四个先进的多目标进化算法的对比实验中,新算法的求解质量明显优于对比算法.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社