基于個體排斥的多目標(biāo)遺傳算法研究.pdf

1、進(jìn)化算法是一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法，其主要特點是群體搜索策略和群體中個體之間的信息交換，搜索不依賴于梯度信息。它尤其適用于處理傳統(tǒng)搜索方法難于解決的復(fù)雜和非線性問題，可廣泛用于組合優(yōu)化、機(jī)器學(xué)習(xí)、自適應(yīng)控制、規(guī)劃設(shè)計和人工生命等領(lǐng)域。隨著進(jìn)化算法在解決多目標(biāo)現(xiàn)實問題中所體現(xiàn)出的獨特魅力，越來越多的研究者投入到多目標(biāo)進(jìn)化領(lǐng)域的研究上來，進(jìn)化計算的效率和適用性成為大家研究的一個方向，而其中非支配集的構(gòu)造技術(shù)對算法

2、的性能有著非常大的影響。本文在分析傳統(tǒng)進(jìn)化算法的基礎(chǔ)上，針對現(xiàn)階段經(jīng)典遺傳算法存在的不足，提出兩種基于NSGAⅡ框架上的非支配集構(gòu)造方法：基于個體排擠算法的非支配集構(gòu)造方法和基于自適應(yīng)ε支配的個體排擠算法。
　　 本文首先簡要介紹了遺傳算法的起源、國內(nèi)外研究現(xiàn)狀以及當(dāng)前流行的幾種進(jìn)化多目標(biāo)算法，簡要介紹了基本遺傳算法的基本概念和術(shù)語、實現(xiàn)框架以及遺傳算法的特點和發(fā)展趨勢，提出了基于個體排擠算法的非支配集構(gòu)造方法，將個體比較引入到

3、非支配集構(gòu)造過程中，與NSGAⅡ有效結(jié)合起來，處理多目標(biāo)進(jìn)化問題過程中不再讓每一個群中個體依次比較其他個體進(jìn)行分層，而是通過每兩個個體的比較爭當(dāng)擂主，通過對兩個標(biāo)準(zhǔn)測試函數(shù)的比較測試，表明基于個體排擠算法構(gòu)造非支配集引入NSGAⅡ算法中，不但降低了計算復(fù)雜度，而且更好了維持了解得分布均勻度。在分析NSGAⅡ和基于個體排擠算法的基礎(chǔ)上，針對個體排擠算法的穩(wěn)定性相對較弱的缺點，引入ε-Pareto支配概念改進(jìn)遺傳算子，利用該算法在維持種群多