事实证明，基于分解的多目标进化算法（MOEA / D）在解决复杂的多目标优化问题方面具有竞争力。 但是，MOEA / D的性能对其参数设置非常敏感。微分进化（DE）算子是MOEA / D中使用最广泛的算子，同时生成新的解和DE的参数（比例因子F和交叉率） CR）会显着影响MOEA / D的性能。本文提出了一种基于距离的MOEA / D参数自适应机制（MOEA / D-DPA），以适应DE参数。 在MOEA / D-DPA中考虑了DE亲本的相似性信息，这有望有利于勘探与开发之间的平衡。 在提出的算