中文摘要：

分解和超体积是当前多目标演化算法的两个主流发展方向，基于分解的算法虽具有较高的计算效率，但所求解集质量易受Pareto前沿形状的影响；超体积是已知的唯一一个关于Pareto占优严格单调的解集评价指标，但其极高计算成本阻碍了在算法中充分利用这一指标。本项目从锥束划分目标空间的独特几何视角结合分解与超体积的优点研究提高多目标演化算法计算效率和解集质量的方法。研究内容包括引入理想点、观察向量等将目标空间划分为一系列锥形子区域，为无序无结构的种群赋予有序的锥形邻域结构；基于锥束划分探索更完善的锥束分解机理，在分解的同时给每个子问题分配一个独占的锥形子区域，进一步提高基于分解的算法的效率；通过引入锥超体积指标在锥束分解的同时成功融合超体积信息，使算法既能利用到超体积的理想数学特性引导种群搜索高质量的解集，又可通过分解避免高成本的超体积计算。本项目的研究将显著提高多目标演化算法的计算效率和解集质量。