针对多目标优化问题，提出了结合基于分解排序和基于角度选择的多目标进化算法MOEA/D-SAS。算法通过分解的排序来维持种群的收敛性，采用基于角度的选择来维持种群的多样性，有效解决了种群收敛性和多样性平衡的问题。在高维目标优化问题和具有不规则Pareto前沿的多目标问题中效果显著。

      基于分解的排序DBS：每个子问题关联L个解，然后对每个子问题关联的解集按照分解函数从小到大进行排序分层。

      基于角度的排序ABS，计算每个待选解与已选解间的最小角度，选择其中最大的角度对应的解作为已选解，更新剩余待选解与已选解间的最小角度。

图一 MOEA/D-SAS总体框架

图二 MOEA/D-SAS与NSGA-III在高维问题上的IGD比较结果

图三 MOEA/D-SAS与四种多目标进化算法在UF问题上的IGD

研究成果：发表在人工智能Top一区期刊《IEEE Transactions on Cybernetics》

论文下载：Download PDF

代码下载：CODE

论文引用：X. Cai, Z. Yang, Z. Fan*, and Q. Zhang, “Decomposition-based-sorting and angle-based-selection for evolutionary multi-objective and many objective optimization,” IEEE Transactions on Cybernetics, vol. 47, no. 9, pp. 2824–2837, 2017.