Analyse und Überwindung lokaler Optima in komplexen mehrkriteriellen Optimierungsproblemen durch Dekompositions-basierte evolutionäre Algorithmen

Dekompositions-basierte mehrkriteriellen evolutionäre Algorithmen (MOEADs) neigen dazu, bei der Bearbeitung komplexer mehrkriterieller Optimierungsprobleme, insbesondere mit nicht-konvexen und nicht-uniformen Pareto-Fronten, in lokale Optima zu konvergieren, was die Lösungsvielfalt einschränkt. Die Arbeit zeigt, dass die traditionelle Methode der Referenzpunkt-Auswahl maßgeblich zu dieser Herausforderung beiträgt, und führt eine innovative Referenzpunkt-Auswahlstrategie ein, um dieses Problem zu überwinden.