摘要：差分進化是一種有效的優化技術,已成功應用于多目標優化問題,但也存在Pareto最優集合的收斂慢和多樣性差等問題。針對上述不足,提出了一種基于分解和多策略變異的多目標差分進化算法(MODE/DMSM)。該算法利用基于分解的方法將多目標優化問題分解為多個單目標優化問題;通過高效的非支配排序方法選擇具有良好收斂性和多樣性的解來指導差分進化過程;采用了多策略變異方法來平衡進化過程中的收斂性和多樣性。在ZDT和DTLZ的10個測試函數上的仿真結果表明,所提算法在Parato最優集合的收斂性和多樣性方面優于其他六種代表性多目標優化算法。