基于分解和自適應(yīng)參考點偏好的進化多目標(biāo)優(yōu)化方法研究.pdf

1、在科學(xué)研究和工業(yè)工程實踐中，存在著大量的多目標(biāo)優(yōu)化問題，此類問題需要同時優(yōu)化兩個或者多個彼此沖突的目標(biāo)。由于各個目標(biāo)間相互沖突和矛盾，因此，我們無法求得一個最優(yōu)的解使得全部的目標(biāo)同時滿足最優(yōu)，只能找到一組各個目標(biāo)之間的折衷解，即 Pareto最優(yōu)解。傳統(tǒng)的優(yōu)化算法在處理多目標(biāo)優(yōu)化問題時，程序的一次運行只得到一個解，無法提供全面的多目標(biāo)決策支持。近些年，進化多目標(biāo)優(yōu)化算法由于其高效，實用的特點，在科研與工程實踐中得到廣泛的應(yīng)用。
　

2、　本文將進化多目標(biāo)算法中具有代表性的基于分解的進化多目標(biāo)優(yōu)化算法（Multi-objective Evolutionary Algorithm Base On Decomposition,MOEA/D）應(yīng)用到水庫的防洪調(diào)度問題中。現(xiàn)實生活中，水庫防洪調(diào)度具有削減洪峰，保障人民生命財產(chǎn)安全等重大現(xiàn)實意義，我們需要應(yīng)用相應(yīng)優(yōu)化算法求得一組收斂性好，分布廣泛而又均勻的 Pareto最優(yōu)解以便給決策者提供豐富的信息支持，同時水庫防洪調(diào)度又是一個

3、復(fù)雜的多目標(biāo)，多約束的優(yōu)化問題。然而，由于水庫防洪調(diào)度問題的約束限制，實際調(diào)度中，并非所有 Pareto最優(yōu)的調(diào)度方案都滿足期末調(diào)度水位的限制，可供決策者選擇的調(diào)度方案集中在PF上有限的區(qū)域。為了提高求解效率同時減少決策者在決策上的負(fù)擔(dān)，我們對MOEA/D算法進行改進，在算法中加入偏好信息，設(shè)計了一種基于自適應(yīng)參考點選擇的偏好MOEA/D算法，使得算法求解最終收斂到?jīng)Q策者所期望的偏好區(qū)域。本文主要工作包含以下方面：
　　首先將水庫

4、防洪調(diào)度問題抽象后的數(shù)學(xué)模型給出，結(jié)合MOEA/D算法的特點，分析了應(yīng)用其解決水庫防洪調(diào)度問題的可行性。并通過處理兩場典型的洪水?dāng)?shù)據(jù)的實驗驗證了應(yīng)用MOEA/D算法處理的水庫防洪調(diào)度問題的可行性與有效性。
　　然后在總結(jié)之前實驗結(jié)果的基礎(chǔ)上結(jié)合水庫防洪調(diào)度的實際特點，分析了加入決策者偏好信息的必要性，介紹了參考點對算法搜索方向的影響通過參考點和偏好方向的設(shè)定來指導(dǎo)算法搜索向偏好區(qū)域進行。提出了如何改進算法加入?yún)⒖键c信息，并通過對六