求解多目標問題的思維進化算法.pdf

1、該文提出兩種多目標優(yōu)化算法:Pareto-MEC和SP-MEC.它們都是將Pareto理論引入到基本MEC中來解決多目標優(yōu)化問題的.Pareto-MEC的基本思想是:(1)首先在整個解空間散布一些個體,選擇最好的一些個體作為子群體的初始中心.(2)每個子群體從這些初始中心出發(fā),每個子群體僅搜索一個局部區(qū)域并逐漸向Pareto前沿漂移.(3)在漂移的過程中,算法調整各子群體的搜索范圍和方向.上述的(1)和(3)稱為異化操作,(2)稱為趨同

2、操作.SP-MEC的基本思想是:(1)首先在整個解空間散布一些個體,根據它們的得分選擇一些最好個體作為子群體的初始中心,該得分反映個體間的統(tǒng)治關系和密度信息.(2)每個子群體從這些初始中心出發(fā),僅搜索一個局部區(qū)域來逐漸地向Pareto前沿漂移.(3)在漂移的過程中,算法會調整各子群體的搜索范圍和前進方向.上述(1)和(3)稱為異化操作,(2)稱為趨同操作.分別將Pareto-MEC和SP-MEC與Rand,VEGA,NSGA和SPEA這

3、四種算法進行了比較實驗.并且在凸的,非凸的,離散的及分布不均勻的測試問題上進行了測試,其中SPEA是這些比較算法中性能較好的.實驗結果表明Pareto-MEC和SP-MEC在所有的測試函數(shù)上都超越了Rand,VEGA和NSGA這三種算法;在第三個測試問題上,Pareto-MEC與SPEA具有同樣優(yōu)越的性能,SP-MEC略好于SPEA;在最后一個測試問題上,兩種算法的結果都好于SPEA的結果.其它算法預先給定了迭代次數(shù),而這里提出的兩種算