【出 处】：《 计算机仿真 》 CSCD 2011年第28卷第10期 199-203页,共5页

【作 者】： 陶新民 ; 刘玉 ; 付丹丹 ; 毕思明

【摘 要】 研究多目标优化问题,针对提高算法的快速性,提出一种混合变异克隆选择多目标优化算法。进化在三个抗体群中进行,不同的抗体群采用不同的变异算子,并通过外部记忆抗体群的更新,来保留进化的最优抗体,避免算法进化后期出现退化现象。算法采用的三种变异算子：高频大尺度高斯变异算子带有振荡性质,能够对Pareto最优解区域进行勘探,单基因小尺度衰减的高斯变异算子能够使优化结果逼近Pareto最优解,均匀变异算子使算法具有局部逃逸能力,能够保证解的多样性。将算法和经典的NSGA-II、ε-MOEA算法以及单一变异的多目标克隆选择算法（MCSA）进行性能比较,结果证明新算法具有较好的快速搜索性能和鲁棒性。