自适应差分进化的新型混合多目标免疫算法

在本文中，我们提出了一种新的具有自适应差分进化的混合多目标免疫算法，称为ADE-MOIA，其中将差分进化（DE）引入多目标免疫算法（MOIA）结合了它们各自的优势，从而增强了解决各种MOP的鲁棒性。 在ADE-MOIA中，为了有效地将DE与MOIA配合，我们提出了一种新颖的自适应DE算子，其中包括一种合适的父代选择策略和一种新颖的自适应参数控制方法。 在进行DE操作时，分别从当前进化和优势种群中选出两个亲本，以提供正确的进化方向。 此外，根据后代的进化进展和成功率，DE算子中的交叉率和比例因子会针对每个人自适应地变化。 所提出的自适应DE算子能够同时提高收敛速度和总体多样性，这已通过实验研究得到验证。 当将ADE-MOIA与几种自然启发式启发式算法（例如NSGA-II，SPEA2，AbYSS，MOEA / D-DE，MIMO和D 2 MOPSO）进行比较时，仿真表明ADE-MOIA在21个知名的大多数软件中表现更好基准问题。