基于NSGA-Ⅱ和免疫算法的多目標(biāo)優(yōu)化與分類.pdf

1、多目標(biāo)優(yōu)化(Multi-objective Optimization，MO)算法的目的是在解空間中找到一組最優(yōu)的，互不支配的，且分布均勻的解。在數(shù)據(jù)挖掘，圖像分割，圖像聚類等領(lǐng)域中，往往需要選取合適的參數(shù)，此時運用多目標(biāo)優(yōu)化算法，能夠得到一個最優(yōu)的參數(shù)集合，這樣有利于選取合適的參數(shù)。為了提高多目標(biāo)優(yōu)化算法的性能，許多學(xué)者分別采用不同的策略對多目標(biāo)優(yōu)化算法進(jìn)行了研究，目前，經(jīng)典的多目標(biāo)優(yōu)化算法有NSGA-Ⅱ，SPEA2，MOPSO和MOE

2、A/D等。同時，在實際問題中，往往受到約束條件的制約，因此約束處理策略也受到了廣大學(xué)者的關(guān)注。目前有多個評價多目標(biāo)優(yōu)化算法的性能指標(biāo)，但各有利弊，如何有效地評價多目標(biāo)優(yōu)化算法的性能也是眾多學(xué)者研究的熱點。本文首先對NSGA-Ⅱ的擁擠度值計算方法進(jìn)行了改進(jìn)，之后在免疫克隆算法的基礎(chǔ)上提出了修正免疫克隆約束多目標(biāo)優(yōu)化算法，最后對多目標(biāo)優(yōu)化算法在多分類中的應(yīng)用做了進(jìn)一步的研究。
　　 本文的主要內(nèi)容包括：
　　 (1)針對NS

3、GA-Ⅱ在優(yōu)化三維測試問題時，擁擠度值計算方法的不足，提出了一種新的擁擠度值計算方法。該方法通過引進(jìn)局部擁擠度值策略完成對種群的更新操作，并通過引進(jìn)全局擁擠度值策略完成對子代種群的選取操作。實驗結(jié)果顯示，該擁擠度值計算方法使NSGA-Ⅱ處理三維測試問題的性能得到了很大的提高。
　　 (2)針對約束多目標(biāo)優(yōu)化問題，提出新的免疫克隆約束多目標(biāo)優(yōu)化算法。該算法通過引進(jìn)一個約束處理策略，用一個修正算法對個體的目標(biāo)函數(shù)值進(jìn)行修正，并對修正

4、后的目標(biāo)函數(shù)值采用免疫克隆多目標(biāo)優(yōu)化算法進(jìn)行優(yōu)化。通過實驗證明了該算法的有效性。
　　 (3)Cai等人在2010年提出了多目標(biāo)同時聚類和分類框架(MSCC)，通過引進(jìn)聚類和分類兩個目標(biāo)函數(shù)，并采用MOPSO優(yōu)化這兩個目標(biāo)函數(shù)達(dá)到設(shè)計多分類器的目的。由于MOPSO在優(yōu)化MSCC框架中的多目標(biāo)問題時，只能得到少量的非支配解，而在此情況下，著名的NSGA-Ⅱ由于采用了Pareto排序方法，種群中會保留大量優(yōu)秀的支配解，這樣有利于種群