多目标进化算法 (MOEA) 研究综述：近年来进展与趋势

由于进化算法 (EAs) 的基于种群的特性，它们能够在单次运行中近似解决多目标优化问题 (MOP) 的整个帕累托前沿 (PF)。自 Schaffer 的开创性工作[4]以来，越来越多的研究者开始将 EAs 应用于处理 MOPs，这些 EAs 被称为多目标进化算法 (MOEAs)。截至 2011 年 1月，已经发表了超过 56001 篇关于进化多目标优化的论文。其中 66.8% 的论文发表在过去八年中，38.4% 的论文是期刊论文，42.2% 的论文是会议论文。

对 MOEAs 的研究工作已经从不同方面进行了调查。其中一些主要是关于通用方法学[5-12]的；一些是关于理论发展和应用[13,14]的；一些工作集中在 MOPs 的特殊方法上，例如模拟退火 (SA) [15]、粒子群优化 (PSO) [16] 和记忆化算法[17]；一些是关于组合问题[18,19]的；而其他一些则是关于特殊应用，例如工程问题[14,20,21]、调度问题[22]、经济和金融问题[23]、自动单元规划问题[24]、旅行推销员问题[25] 和 MOPs 中的偏好[26]。

然而，最近几年并没有进行全面的 MOEA 发展调查[6]。