偏好多目標進化算法研究.pdf

1、進化計算是指進化規(guī)劃、遺傳算法、和進化策略三者的統(tǒng)稱。進化算法已經廣泛用于工程控制、函數優(yōu)化、機器學習等NP難問題的求解上，通過模擬生物進化過程中的雜交變異來保留父代的優(yōu)良基因和自然選擇的“優(yōu)勝劣汰”機制來解決現實生活中的各種復雜優(yōu)化問題。它是起源于上世紀50年代末，成熟于上世紀80年代，發(fā)展到現在已經成為一個獨立完整學科，廣泛應用于其它各個學科的新興熱點研究方向。從優(yōu)化問題的角度來說可以分為單目標優(yōu)化問題和多目標優(yōu)化問題，單目優(yōu)化問題

2、即被優(yōu)化的問題只有一個需要優(yōu)化的目標，最優(yōu)解也只有一個，而多目標優(yōu)化問題（現實生活中的優(yōu)化問題主要是多目標優(yōu)化問題）是優(yōu)化2個或以上的相互沖突的目標，最優(yōu)解的個數變成無窮多個，而且隨著優(yōu)化目標的不斷增多優(yōu)化的難度以及最優(yōu)個體的數量都將以幾何級數增長。
　　對于傳統(tǒng)的多目標優(yōu)化算法而言，它們追求的是分布廣泛、均勻和收斂的最優(yōu)解，但是對于決策者來說他/她只需要用到其中的一個或者幾個解，而其它大多數解是要被丟棄的也就造成了一種浪費。為了

3、最大程度的避免這種浪費研究者們提出了偏好多目標優(yōu)化算法（preference-based multi-objective evolutionary algorithms,PMOEAs）這一概念。所謂偏好多目標進化算法即引入決策者的偏好信息，算法根據所引入的偏好信息求解最能滿足偏好的最優(yōu)解，從而避免了不必要的計算資源的浪費。
　　本文提出了一種基于角度關系的偏好多目標進化算法。該算法通過角度關系將非支配個體集進行適應度分層，利用參考

4、點引導種群趨近決策者更感興趣的區(qū)域。根據“支點”到解個體的向量與“支點”到種群中離參考點最近解的向量的比較關系，借助自適應夾角差判定個體優(yōu)劣。與幾種流行的偏好多目標進化算法進行比較實驗，結果表明本文所提出的算法有如下特性：1)可靈活地控制偏好解的范圍；2)支持多引用點；3)引用點的位置(在可行域內，可行域外，Pareto最優(yōu)面上)不影響實驗結果；4)有很好的適應性；5)在高維問題上能快速地獲得決策者感興趣的解。偏好多目標算法是目前的一個