来源：计算机与信息工程学院 曙光大数据学院 编辑：网络部
近日，计算机与信息工程学院硕士生导师谢承旺教授指导其硕士研究生郭华发表了一篇题为《maoea/d2:一种基于双距离构造的高维多目标进化算法》的文章，刊登于国内计算机类顶级期刊《软件学报》(ccf a) 2023年第33卷第4期。
首先，文章介绍了传统的pareto最优性在高维目标空间的可扩展性差,以及一些改进的支配方法在平衡收敛性与多样性上存在诸多不足，而如何有效地平衡收敛性与多样性成为影响高维多目标进化算法性能的关键。
鉴于惩罚的边界相交方法pbi(penalty-based boundary intersection)可以利用其d1距离表征解个体的收敛性,运用d2距离表征解个体的多样性,文章通过恰当地使用pbi函数的d1和d2距离构造了一种新颖的结合双距离的支配关系cdd -支配(dominance relation combing double distances)，以及一种基于双距离的多样性保持方法dm-dd (diversity maintenance based on double distance)。文章将cdd-支配和dm-dd方法嵌入到nsga-ii算法框架，以分别替代原算法的pareto支配和拥挤距离度量，构造一种基于双距离的高维多目标进化算法maoea/d2。
最后，maoea/d2与新近提出的五种高效的高维多目标进化算法一同在基准的dtlz和wfg测试集上进行igd (inverted generational distance)和hv (hypervolume)性能实验，结果表明maoea/d2算法具有显著较优的收敛性与多样性,是一种颇具前景的高维多目标进化算法。
作者简介：
郭华：南宁师范大学计算机与信息工程学院硕士研究生。
谢承旺：华南师范大学数据科学与工程学院党委书记、院长、教授，南宁师范大学计算机与信息工程学院硕士生导师，武汉大学计算机博士、武汉大学数学博士后，ccf高级会员、csf高级会员、国内外知名期刊《applied soft computing》、《information sciences》、《中国科学.信息辑》等特邀审稿人。