求解眾目標優(yōu)化問題的演化算法研究.pdf

1、演化算法作為一種具有群體搜索策略的啟發(fā)式算法，被越來越多地應(yīng)用到科學(xué)研究、工業(yè)制造中。近年來，被用來解決眾目標優(yōu)化問題(many-objectiveoptimization problems)的有效演化算法也越來越多。在本文中，我們提出了兩個新的分別用于解決無約束和有約束眾目標優(yōu)化問題的算法。
　　(1)眾目標優(yōu)化問題有很多個可能存在沖突關(guān)系的目標，同時優(yōu)化所有的目標往往面臨很多困難，如無法比較解的質(zhì)量等。我們提出了一個只在選中的

2、部分目標上比較解的算法:在選中的兩個目標上進行Pareto部分支配的眾目標演化算法PPDSO-MOEA(Pareto partial dominance on two selected objectivesmany-objective evolutionary algorithm)。本算法設(shè)計了一個選擇部分目標的方法，在選擇父群體時，只使用兩個選中的目標計算解之間的支配關(guān)系。本算法中選中的兩個目標是離最優(yōu)點Rpoint最遠和次遠的兩個目

3、標。最優(yōu)點point中存儲的是到目前為止，每個目標上的歷史最優(yōu)值。當有新的解生成時，實時更新Rpoint。每隔一定的演化次數(shù)就重新使用選擇目標的方法更換兩目標組合來優(yōu)化所有的目標。在無約束的DTLZ2和DTLZ4問題上驗證算法的性能。選擇算法MOEA/D，SPEA2+SDE，MyODEMR，PPD-MOEA和隨機選擇目標方法RSO2作為對比算法，實驗結(jié)果表明我們的算法PPDSO-MOEA在多數(shù)情況下要優(yōu)于其他的算法。
　　(2)現(xiàn)

4、實中的很多問題都是有約束的，算法PPDSO-MOEA主要解決的是無約束的問題，為了解決有約束問題，我們對PPDSO-MOEA進行改進，設(shè)計一個新的基于部分支配的算法:PPDSO2-MOEA。由于PPDSO2-MOEA針對的是有約束問題，違反約束的解不是可行解，所以當?shù)玫降慕馐遣豢尚薪鈺r，需要使用貪心修復(fù)策略進行修復(fù)。PPDSO2-MOEA中的archive集合中存放的不一定全是非支配解，因為有時可行的非支配解的個數(shù)不一定達到要求，就要用

5、非支配解填充。而PPDSO-MOEA中的archive集合中只存放非支配解，并且archive集合大小是動態(tài)變化的。從archive中選擇父群體時，PPDSO2-MOEA需要計算crowdingdistance并對解進行排序，然后按層逐個選擇解?？紤]選出的目標之間的沖突性，選擇目標的方法除了PPDSO-MOEA中的方法外，在群體性能不能明顯改善時，使用一次隨機選擇目標的方法。在有約束的眾目標0/1背包問題上驗證算法的性能。算法PPD-M