论文部分内容阅读
针对复杂的强耦合、非线性连续多目标优化问题，提出了一种基于独立成分分析方法（IC A ）的多目标分布估计算法。假设其概率图模型为非高斯的，采用ICA进行分离产生独立的各分量，接着采用基于拥挤距离排序和NSGA-Ⅱ的非支配排序，选择出优秀个体作为新的种群。与多目标ICA-UMDA 和vbICA-MM 的比较实验表明，该算法在测试函数ZDT2-2、ZDT4-2、ZDT6-2和F5上获得的Pareto解集具有较好的收敛性与多样性，且数据没有服从高斯分布的限制。