论文研究-多目标进化算法搜索鲁棒最优解效率研究.pdf

鲁棒最优解是进化计算研究的重要方面，同时也是研究难点。多目标进化算法搜索鲁棒最优解时，通常要用蒙特卡罗积分（MCI）近似估计有效目标函数（EOF），而已有求解方法近似精度不高，使得算法搜索鲁棒最优解的性能较差。提出用拟蒙特卡罗方法（Q-MC）来估计有效目标函数方法，其所引入的Q-MC方法——Korobov点阵能更精确地估计EOF。实验结果表明，与现有的原始蒙特卡罗方法（C-MC）相比，拟蒙特卡罗方法（Q-MC）可以较大地提高多目标进化算法搜索鲁棒最优解的效率。