多目標優(yōu)化方法研究及在健康決策中的應(yīng)用.pdf

1、快速非支配排序遺傳算法（Fast Non-dominated Sorting Genetic Algorithm，NSGA-II），是典型的多目標優(yōu)化方法，被廣泛應(yīng)用于眾多實際工程領(lǐng)域。本課題在詳細研究了該算法的基礎(chǔ)上，主要做了如下的研究工作對NSGA-II算法進行改進：
　　基于多種群協(xié)同進化策略，將目標空間劃分成小的不重疊的區(qū)域，每個子種群在相應(yīng)的小區(qū)域內(nèi)進行搜索，提升搜索精度，加快收斂速度，且防止種群朝著目標空間的某一個小區(qū)

2、域收斂，從而從整體上控制多樣性；
　　基于Pareto非支配層級和擁擠程度來選擇交叉父代，該策略使優(yōu)秀的個體能夠有更多的機會被選為交叉父代，把自身包含的優(yōu)秀信息遺傳給下一代，和原始的選擇策略相比，能夠提升算法的收斂性和多樣性；
　　基于擁擠距離的動態(tài)交叉策略，基于擁擠距離的概念，將區(qū)域分為擁擠區(qū)域和稀疏區(qū)域，對于處在擁擠區(qū)域的父代采用以父代中心為中心的SPX交叉，以使得產(chǎn)生的子代遠離父代，不會使父代周圍更擁擠，對于處在稀疏區(qū)

3、域的父代采用以父代為中心的SBX交叉，以使得產(chǎn)生的子代能靠近父代，彌補父代周圍比較空的區(qū)域，和原始的單個SBX交叉相比，能更好的保證算法的多樣性以及對不同函數(shù)的適應(yīng)性；
　　除此之外，本課題在Pareto支配的基礎(chǔ)上引入了L支配，本課題提出了當(dāng)用Pareto支配不能比較個體之間的優(yōu)劣時，通過L支配去比較，使得精英個體能夠更有效的保留下來。
　　上述改進算法在測試函數(shù)集ZDT和DTLZ上進行了測試，測試結(jié)果表明，改進后的算法在