高維多目標(biāo)進(jìn)化算法研究與應(yīng)用.pdf

1、目前高維多目標(biāo)優(yōu)化方法的研究與應(yīng)用已經(jīng)深入到了生產(chǎn)和科研的多個(gè)領(lǐng)域，已成為信息領(lǐng)域的研究熱點(diǎn)?，F(xiàn)有的基于寬松Pareto支配的高維多目標(biāo)優(yōu)化算法存在參數(shù)難以確定、搜索易發(fā)生偏移的缺陷，而且當(dāng)目標(biāo)數(shù)較多時(shí)所求得的Pareto近似解集存在收斂性不佳、分布不均勻、覆蓋不完整等問(wèn)題，且計(jì)算復(fù)雜?；诜纸獾亩嗄繕?biāo)進(jìn)化算法在求解高維多目標(biāo)優(yōu)化問(wèn)題上具有卓越的收斂能力，但近似解集的分布性容易受到Pareto前沿面形狀的影響，存在分布不均勻的缺陷，且當(dāng)

2、目標(biāo)數(shù)量很多時(shí)，求解效果下降。因此，研究更為高效且實(shí)用的高維多目標(biāo)進(jìn)化算法具有重要的理論意義和潛在的實(shí)際應(yīng)用價(jià)值。
　　本文旨在通過(guò)對(duì)高維多目標(biāo)優(yōu)化內(nèi)在機(jī)制的深入研究和剖析，針對(duì)進(jìn)化算法在解決高維多目標(biāo)優(yōu)化問(wèn)題上存在的缺陷，提出一系列改進(jìn)措施，使改進(jìn)的高維多目標(biāo)進(jìn)化算法在各類(lèi)優(yōu)化問(wèn)題上的求解性能得到全面提升，并將改進(jìn)后的算法應(yīng)用于實(shí)際工程優(yōu)化問(wèn)題。論文的主要研究?jī)?nèi)容包括以下幾個(gè)方面。
　　為更好地求解目標(biāo)數(shù)較少而前沿較復(fù)雜的

3、高維多目標(biāo)優(yōu)化問(wèn)題，將模糊理論引入到精英選擇當(dāng)中，提出了一種基于模糊支配的高維多目標(biāo)進(jìn)化算法(MFEA)。首先，利用模糊邏輯對(duì)支配關(guān)系進(jìn)行改進(jìn)，實(shí)現(xiàn)放寬支配條件，進(jìn)而增強(qiáng)環(huán)境選擇壓力；其次，利用小生境技術(shù)和k鄰域法對(duì)Harmonic距離進(jìn)行改進(jìn)，以有效鄰域內(nèi)的擁擠度來(lái)衡量個(gè)體在種群中的分布性，以較小的計(jì)算量實(shí)現(xiàn)個(gè)體擁擠密度快速、有效地估計(jì)；最后，采用截集的方式實(shí)現(xiàn)種群的快速非支配排序分層截?cái)?，以第一層中的個(gè)體保證種群的收斂性，以除第一層

4、外其它層中的個(gè)體保證種群的分布性。數(shù)值試驗(yàn)結(jié)果證實(shí)了改進(jìn)方法的有效性。
　　為更好地求解目標(biāo)數(shù)量較多而前沿形狀較簡(jiǎn)單的高維多目標(biāo)優(yōu)化問(wèn)題，通過(guò)設(shè)計(jì)自適應(yīng)方向向量實(shí)現(xiàn)對(duì)個(gè)體運(yùn)動(dòng)軌跡和搜索方向的控制，提出了一種基于自適應(yīng)方向向量的分解類(lèi)高維多目標(biāo)進(jìn)化算法(MOEA/D-AD)。通過(guò)選取不同的指數(shù)使方向向量前端曲面具有不同的形狀，以適應(yīng)Pareto前沿面不同的凹凸情況。在進(jìn)化過(guò)程中，方向向量定期地自適應(yīng)調(diào)整：首先，通過(guò)方向向量的再分配，

5、校準(zhǔn)子問(wèn)題方向向量與解之間的位置關(guān)系，移除處于不連續(xù)區(qū)域的子問(wèn)題；其次，利用稀疏區(qū)域的非支配解進(jìn)行反映射，在可行稀疏區(qū)域加入新的方向向量；最后，在不同的進(jìn)化階段，采用不同的評(píng)判準(zhǔn)則對(duì)分解子問(wèn)題集合進(jìn)行重構(gòu)，獲得在可行區(qū)域內(nèi)均勻分布的分解子問(wèn)題集合。數(shù)值實(shí)驗(yàn)結(jié)果證實(shí)了改進(jìn)方法的有效性。
　　為更好地求解目標(biāo)數(shù)量較多、目標(biāo)函數(shù)和Pareto前沿面較復(fù)雜的高維多目標(biāo)優(yōu)化問(wèn)題，將多目標(biāo)分解技術(shù)與精英選擇策略相結(jié)合，提出了一種基于多種群的高

6、維多目標(biāo)混合進(jìn)化算法(MOHEA-AMD)。以切比雪夫分解技術(shù)解決目標(biāo)數(shù)量多的問(wèn)題，以精英選擇策略解決前沿形狀復(fù)雜的問(wèn)題，并設(shè)計(jì)了多種群混合進(jìn)化機(jī)制加強(qiáng)在各方向上和方向間的搜索能力，增強(qiáng)算法對(duì)復(fù)雜目標(biāo)的求解能力。數(shù)值實(shí)驗(yàn)結(jié)果證實(shí)了改進(jìn)方法的有效性。
　　將改進(jìn)后的3種高維多目標(biāo)進(jìn)化算法分別用于相應(yīng)類(lèi)型的大型船舶主尺度設(shè)計(jì)、MIMO雷達(dá)正交發(fā)射波形多相序列設(shè)計(jì)以及水路兩棲可變形機(jī)器人參數(shù)優(yōu)化三個(gè)高維多目標(biāo)優(yōu)化問(wèn)題，以改善現(xiàn)有的設(shè)計(jì)方