基于進(jìn)化算法的動(dòng)態(tài)多目標(biāo)優(yōu)化.pdf

1、 近年來(lái)，多目標(biāo)優(yōu)化問(wèn)題吸引了越來(lái)越多不同背景的研究人員的注意力。而應(yīng)用中的大多數(shù)多目標(biāo)優(yōu)化問(wèn)題往往是隨時(shí)間動(dòng)態(tài)變化的，這類(lèi)問(wèn)題被成為動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題。由于動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題在現(xiàn)實(shí)世界中的普遍存在性以及其求解的困難性，促使人們付出了很多精力來(lái)尋求解決的方法，因此分析和提出解決這類(lèi)問(wèn)題的新算法已成為一個(gè)新穎的課題。
進(jìn)化多目標(biāo)優(yōu)化算法是近年來(lái)發(fā)展起來(lái)的一種新的優(yōu)化算法，該算法具有較好地求解多目標(biāo)優(yōu)化問(wèn)題的能力，而隨著進(jìn)化

2、算法的提出和不斷深入的研究，這類(lèi)算法作為解決多目標(biāo)優(yōu)化問(wèn)題的新方法已越來(lái)越受到學(xué)術(shù)界的重視，并逐步發(fā)展成為有效解決多目標(biāo)優(yōu)化問(wèn)題的重要技術(shù)。因此，我們考慮采用這類(lèi)算法解決動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題。本論文通過(guò)對(duì)國(guó)內(nèi)外進(jìn)化多目標(biāo)優(yōu)化算法領(lǐng)域及動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題的相關(guān)算法研究現(xiàn)狀和研究方法的分析，結(jié)合多項(xiàng)基金項(xiàng)目，對(duì)動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題這一新穎而極具挑戰(zhàn)的課題進(jìn)入了深入而系統(tǒng)的研究，提出了多種新穎有效的算法及實(shí)現(xiàn)策略。本文的主要工作概括如下：

3、r> (1) 介紹了多目標(biāo)優(yōu)化算法及動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型及相關(guān)概念，概述這類(lèi)問(wèn)題的度量準(zhǔn)則。詳細(xì)介紹了一種解決多目標(biāo)優(yōu)化問(wèn)題的策略——人工免疫克隆操作，并基于考慮通常的進(jìn)化算法只考慮單個(gè)種群而不能很好地保持算法多樣性的缺點(diǎn)，引入?yún)f(xié)同進(jìn)化算法的相關(guān)理論，采用多種群策略保持算法的多樣性。通過(guò)將免疫克隆操作與協(xié)同進(jìn)化操作的結(jié)合，我們提出了動(dòng)態(tài)多目標(biāo)優(yōu)化免疫克隆協(xié)同進(jìn)化算法，該算法設(shè)計(jì)了相關(guān)的協(xié)同進(jìn)化競(jìng)爭(zhēng)算子和協(xié)同進(jìn)化合作算子，改進(jìn)了

4、算法的均勻性和多樣性。通過(guò)5個(gè)動(dòng)態(tài)多目標(biāo)優(yōu)化測(cè)試問(wèn)題的實(shí)驗(yàn)驗(yàn)證了算法的有效性。
(2) 將量子進(jìn)化計(jì)算策略和改進(jìn)的免疫克隆協(xié)同進(jìn)化算法相結(jié)合，提出了用以求解動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題的動(dòng)態(tài)多目標(biāo)優(yōu)化量子免疫克隆協(xié)同進(jìn)化算法。該算法利用量子計(jì)算的并行性和量子旋轉(zhuǎn)門(mén)的特點(diǎn)，設(shè)計(jì)了量子旋轉(zhuǎn)門(mén)更新算子，改進(jìn)了算法的收斂性。同時(shí)，算法利用免疫克隆操作中能夠很好保持最優(yōu)解的特點(diǎn)及協(xié)同進(jìn)化操作能夠保持種群良好的均勻性和多樣性的特點(diǎn)，使得算法在均

5、勻性，多樣性和收斂性上都有所改進(jìn)。對(duì)比實(shí)驗(yàn)表明，該算法在保持較好的均勻性和多樣性的同時(shí)，又能有效地提高算法的收斂性。
(3) 提出了一種基于量子粒子群的理論基礎(chǔ)的算法——量子粒子群免疫克隆協(xié)同進(jìn)化算法，算法利用量子粒子群優(yōu)化算法能夠快速收斂，并改進(jìn)算法搜索能力的優(yōu)勢(shì)，將其與免疫克隆協(xié)同進(jìn)化算法相結(jié)合，一方面保持了種群在進(jìn)化過(guò)程中的多樣性，另一方面在均勻性和收斂性方面都有所改進(jìn)。實(shí)驗(yàn)表明：該方法可以有效求解動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題