基于分解的多目标差分进化算法及其应用

基金项目: 国家自然科学基金资助项目（50974039）

详细信息

A Multi-objective Differential Evolution Algorithm Based on Decomposition and Its Application

1.
School of Information Science and Engineering, Northeastern University, Shenyang 110819, China
2.
Automation Division, Baosteel Research Institute, Baoshan Iron & Steel Co., Ltd., Shanghai 201900, China

摘要: 提出了一种基于分解的多目标差分进化算法（MODE/D）!．该算法使用差分进化算法替代遗传算法作为搜索引擎，采用混料均匀设计方法确定种群的权重向量，使用循环式拥挤距离排序策略维护外部档案的多样性．另外，为了改善MODE/D的收敛性能，将局部搜索的思想融入到MODE/D算法中．该算法采用聚合函数作为局部搜索的优化函数，并使用SQP（sequential quadratic programming）方法进行求解．实验研究表明，相对于MOEA/D与NSGA-II，MODE/D的收敛性与多样性能均得到了改善，验证了MODE/D的有效性．最后将MODE/D算法应用到热轧带钢窜辊策略的多目标优化中，工业生产证明，优化窜辊策略显著延长了同宽轧制公里数，改善了带钢断面轮廓与板形质量．
- 多目标优化 /
- 差分进化 /
- 分解 /
- 窜辊策略
- multi-objective optimization /
- differential evolution /
- decomposition /
- roll shifting strategy