偏好半径划分区域的多目标进化方法

　　偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法．目前，在以参考点位置作为偏好信息载体的偏好多目标进化算法中，不合适的参考点位置往往会严重影响算法的收敛性能，偏好区域的大小难以控制，在高维问题上效果较差，针对以上问题，通过计算基于种群的自适应偏好半径，利用自适应偏好半径构造一种新的偏好关系模型，通过对偏好区域进行划分，提出基于偏好区域划分的偏好多目标进化算法．将所提算法与4种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验，结果表明，所提算法具有较好的收敛性能和分布性能，决策者可以控制偏好区域大小，在高维问题上也具有较好的收敛效果．