基于Pareto支配的两阶段多目标优化算法

针对二维和三维的多目标优化问题，提出了一种基于Pareto支配的两阶段多目标优化算法(MOEA-PT)。全局搜索阶段根据Pareto支配关系将种群进行排序，依据临界层子集的排序等级执行相应的选择策略；局部调整阶段对种群中的个体进行微调，将新产生的个体与距离其最近的个体进行支配关系、分布性、收敛性的对比，替换较差的个体。分析了两个阶段对算法性能的影响，同时对引入局部调整策略后的种群进行了对比，结果表明局部调整策略能有效增强算法性能。通过对标准测试函数的求解，并与其他经典的多目标算法进行对比，验证了本文算法在收敛性和分布性等方面具有一定的优越性。