摘要
在MMOP中,有些算法很难找到更等价的Pareto最优解,并且无法平衡决策空间和目标空间中解的性能。此外,解在边界上分布过于密集。针对上述问题,提出了一种基于混合策略的多模式多目标差分进化算法(MMODE_HS)。首先,设计了一种基于特殊拥挤距离的有效二元竞赛选择机制,以选择在决策空间和目标空间中表现出更好多样性的个体,并在两个空间中平衡解的性能;其次,引入反向向量变异策略来减少边界点的数量,这有助于算法改善Pareto子集的分布。将MMODE_HS与其他多模式多目标进化算法进行了比较,结果表明,该算法可以在九个测试问题上搜索到更完整的Pareto子集,并有效地平衡了收敛性和多样性。