混合適應(yīng)值分配多目標(biāo)進(jìn)化算法及其應(yīng)用研究.pdf

1、進(jìn)化算法是一種模擬自然界生物進(jìn)化過程的啟發(fā)式搜索算法。近年來,利用進(jìn)化算法處理多目標(biāo)優(yōu)化問題已經(jīng)成為進(jìn)化計(jì)算領(lǐng)域的一個研究熱點(diǎn)。為此,本論文圍繞影響多目標(biāo)進(jìn)化算法的收斂性和最終解集的分布性的主要因素展開研究。主要研究工作包括:
　　 (1)如何進(jìn)行適應(yīng)值分配是影響多目標(biāo)進(jìn)化算法收斂性的關(guān)鍵因素。因此,本文對多目標(biāo)進(jìn)化算法在發(fā)展歷程中出現(xiàn)的各種適應(yīng)值分配方案進(jìn)行了總結(jié)分析,這些適應(yīng)值分配方案大體分為基于Pareto支配的方法和非基

2、于Pareto支配的方法。兩類方法各有特點(diǎn)和優(yōu)勢,但也各自具有一些局限性。因此單獨(dú)使用某一個適應(yīng)值分配方法無法克服各自的局限性。在此基礎(chǔ)上提出了一種混合適應(yīng)值分配的多目標(biāo)進(jìn)化算法,將算法的搜索過程細(xì)化為兩個階段,根據(jù)不同階段的特點(diǎn)分別使用不同的適應(yīng)值分配方法。合理地利用了兩種方法的互補(bǔ)性,彌補(bǔ)了各自的局限性。并通過實(shí)驗(yàn)對此方法進(jìn)行了驗(yàn)證,結(jié)果表明了算法的有效性。
　　 (2)為了提高算法最終解集的分布性,本文總結(jié)分析了當(dāng)前幾種廣

3、泛使用的非支配解集的更新機(jī)制。傳統(tǒng)的修剪策略可能造成進(jìn)化前沿退化,目前松弛的Pareto支配容易丟失代表性個體。通過對各個支配概念的占優(yōu)區(qū)域進(jìn)行分析,本文提出了一種更為合理劃分占優(yōu)區(qū)域的γ支配概念。對使用此支配概念更新的非支配解集的收斂性進(jìn)行了證明,并通過實(shí)驗(yàn)驗(yàn)證了此更新策略獲得的解集具有良好的分布性。
　　 (3)電力系統(tǒng)調(diào)度中將氣體排放量和經(jīng)濟(jì)成本綜合考慮形成了一個多目標(biāo)優(yōu)化問題,即電力環(huán)境/經(jīng)濟(jì)調(diào)度問題。本文將混合適應(yīng)值分