多模态多目标带局部PF问题

1.问题核心

多模态多目标问题实际上解决的是：

• 决策空间多样性
• 目标空间多样性
• 目标空间收敛性

2.带局部PF的多模态多目标问题

1. 全局的PF对局部PF的支配，如何正确的识别GPF，LPF
2. 区分真正有价值 LPF和尚未收敛的解
3. 对空间映射资源分配和多样性的维持

• 现有研究现状：
  • 传统 MMEAs：多通过小生境技术、聚类、双存档等方法提升决策空间多样性，但仅聚焦全局 PS，不适用于 MMOPLs；
  • MMOPLs 专用算法：已有研究通过邻域聚类、局部收敛指标（LCI）、ϵ- 支配、双种群协同等方法尝试保留局部解，但仍存在明显局限。
• 现有算法核心局限：
  • 局部收敛指标 LCI 对邻域半径 R 高度敏感，半径过小易误判孤立点为局部最优，过大易纳入全局解导致局部解仍被支配；
  • 对局部解的质量筛选不足，易保留大量无意义的低质量局部解，影响收敛性能；
  • 双种群协同机制仅简单分工全局 / 局部搜索，缺乏双向的信息交互与协同进化；
  • 难以同时兼顾解在决策空间与目标空间的均匀分布。