文章摘要:针对大规模决策变量给大规模多目标优化问题求解带来难以收敛及解集分布不均匀的问题，通过分析变量特征将其分类再分别优化是当前较为有效的求解方法，但存在变量分类不够准确、变量处理不够有针对性等不足。因此，本文提出了一种基于差分进化邻域自适应的大规模多目标算法，通过分析扰动解的支配关系将混合变量细分为多样性变量和收敛性变量，使变量分类更为准确。其次通过对收敛性变量主成分分析降噪降低计算成本，设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明，本文所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。

文章关键词:

论文分类号:TP18