多目標(biāo)元胞遺傳算法的改進(jìn)研究及其在工程優(yōu)化中的應(yīng)用.pdf

1、　　在實際工程問題中,絕大多數(shù)優(yōu)化問題都是多目標(biāo)優(yōu)化問題。一般傳統(tǒng)的數(shù)學(xué)規(guī)劃算法已經(jīng)不能滿足日益復(fù)雜的數(shù)學(xué)優(yōu)化模型的需要,而多目標(biāo)進(jìn)化算法為解決此類問題提供了行之可效的方法。在面臨復(fù)雜的多目標(biāo)NP問題時,目前的一些主流多目標(biāo)進(jìn)化算法 NSGA-II、SPEA2 等在收斂性能方面具有很好的優(yōu)勢,但是在多樣性方面仍然具有提升的空間。最近興起的多目標(biāo)元胞遺傳算法以其良好的收斂性和多樣性能引起了學(xué)者的關(guān)注,該種算法結(jié)合了遺傳算法具有全局探索優(yōu)點

2、和元胞自動機(jī)具有局部尋優(yōu)的特點,在一定程度上很好的平衡了算法的全局探索和局部尋優(yōu)的能力,并通過實驗驗證了多目標(biāo)元胞遺傳算法的優(yōu)越性。但是元胞遺傳算法涉及了一些人為設(shè)置的參數(shù),諸如鄰居結(jié)構(gòu),該參數(shù)的設(shè)置對算法的性能起著決定性的作用。為了更好的適應(yīng)各類不同的問題,針對現(xiàn)有多目標(biāo)元胞遺傳算法存在鄰居單一的問題,改進(jìn)了多目標(biāo)元胞遺傳算法。
　　改進(jìn)的多目標(biāo)元胞算法在經(jīng)典多目標(biāo)元胞遺傳算法基礎(chǔ)上融入了自適應(yīng)鄰居結(jié)構(gòu)技術(shù),形成了一種多目標(biāo)自

3、適應(yīng)元胞遺傳算法(AMOCell)。這種技術(shù)能使算法隨著進(jìn)化代數(shù)的增加,動態(tài)地改變元胞鄰居的結(jié)構(gòu),以便找到一個符合個體自身發(fā)展的鄰居結(jié)構(gòu),最終使算法在全局探索和局部尋優(yōu)中達(dá)到一個平衡。通過與其它多目標(biāo)進(jìn)化算法在基準(zhǔn)測試函數(shù)對比分析,表明新算法在絕大多數(shù)問題中,具有良好的收斂性和擴(kuò)展性。
　　為了進(jìn)一步檢驗改進(jìn)的多目標(biāo)元胞遺傳算法的效果,將改進(jìn)后的算法在工程實踐問題中進(jìn)行了應(yīng)用。采用AMOCell、NSGA-II、MOCell三種