多目标优化 MOP （六）：遗传算法 Two_Arch2 2015

论文：Two_Arch2： An Improved Two-Archive Algorithm for Many-Objective Optimization

进化算法在解决MaOP问题的时候经常遇到2个问题dominance resistance (DR) 和 the active diversity promotion (ADP)，为了解决以上问题，可以采用4中方法：non-Pareto-based approaches, objective reduction, preference-based approaches, 和 dominance relation.non-Pareto-based approaches包括基于aggregation functions的MOEA/D，基于indicatior的IBEA等；objective reduction包括Pareto corner search evolutionary algorithm (PCSEA)；preference-based approaches可以帮助决策制定者找到PF，可以分为交互的和非交互的方法。

这篇文章提出了两个存档的方法，两个档案分别是indicator-based和Pareto-based，Pareto-based用于保存收敛性好的solution(CA)，indicator-based保存多样性好的solution（DA）。采用了一种心的Lp-norm-based ( p < 1) 多样性维护机制。

Two_Arch2特点：兼顾了收敛性、多样性和复杂度，不需要参考点和其他人为设置。

A.Two_Arch算法流程：

Two_Arch的重组和迭代过程与MOEA相似，重组中的交叉和变异阶段，CA和DA的合集可以看作父代，选择操作也没有特别之处，CA和DA根据不同的不表有不同的更新规则。

当种群通过交叉变异后获得offsrping子代后，对于子代中的非支配解，如果该解支配CA或DA中任何一个解则被放入CA࿰