基于分布估計的混合多目標進化算法的研究.pdf

1、優(yōu)化問題多種多樣，為了盡可能高效的求得不同特點的優(yōu)化問題的高質(zhì)量全局最優(yōu)解，人們陸續(xù)提出了各種不同的優(yōu)化算法，其中智能優(yōu)化的機制不斷被引入多目標優(yōu)化問題的研究。進化算法較好的通用性、高度的非線性性、并行性等特點，從而能夠快速有效的求得多目標問題的Pareto最優(yōu)解集。進化算法作為一種模擬自然界生物自然選擇進化的啟發(fā)式隨機搜索算法，已經(jīng)成功應用于多目標優(yōu)化領域，并且也已經(jīng)發(fā)展成為一個熱點研究方向。
　　本文根據(jù)多目標優(yōu)化算法的特點和

2、分布估計的優(yōu)點，提出了基于分布估計的多目標進化算法?；诜植脊烙嬎惴ㄊ諗啃缘膬?yōu)缺點，將差分進化算法與分布估計算法有機的結(jié)合以取長補短，提出了一種自適應的混合多目標分布估計進化算法。其基本思想是:在多目標分布估計算法中引入全局收斂性較強的差分進化算法，當函數(shù)變化率較大時，用分布估計算法產(chǎn)生新種群;當函數(shù)變化率較小即算法可能陷入局部收斂時，用差分進化算法產(chǎn)生新種群。理論分析和數(shù)值實驗表明:改進后的新算法不僅具有良好的全局收斂性，而且解的分布