A grid-based adaptive multi-objective differential evolution algorithm

تکامل دیفرانسیل یک بهینه ساز عالی برای مشکلات بهینه سازی یک هدف است. برای گسترش استفاده از آن به منظور بهینه سازی چند هدفه با عملکرد امیدوار کننده، این مقاله الگوریتم تکاملی دیفرانسیل چند هدفه سازگار مبتنی بر شبکه را پیشنهاد می کند. ویژگی اصلی الگوریتم پیشنهاد شده، تنظیم هماهنگی و تنوع دینامیکی آن با بهره گیری از اطلاعات بازخورد در طول فرآیند تکاملی است. در الگوریتم، فضای هدف با توجه به راه حل های نامشخص در جمعیت، به شبکه ها تقسیم می شود. بر اساس شبکه، به ترتیب سه شاخص شامل تناسب شبکه، چگالی شبکه و انحراف استاندارد استاندارد شبکه، برای اندازه گیری رتبه فردی، چگالی فرد و وضعیت جستجوی جستجوی جمعیتی تعیین می شود. پس از آن، سه جزء اصلی الگوریتم، یعنی انتخاب والدین، کنترل پارامترها و به روز رسانی جمعیت، بر اساس مقادیر شاخص شبکه انجام می شود. برای اعتبار عملکرد الگوریتم، آزمایش جامع بر روی مشکلات مربوط به سی و یکم انجام می شود. نتایج نشان می دهد که الگوریتم پیشنهادی از نظر سه معیار عملکردی، نه رقبایش را در مقایسه با رقبا به دست می آورد. همچنین، اثربخشی سه جزء و حساسیت دو پارامتر طراحی در الگوریتم، به صورت تجربی اندازه گیری شده اند.