多目標進化算法改進策略的研究.pdf

1、所謂的進化算法是指人們提出的一種能夠根據問題的實際情況自動調整的全局優(yōu)化算法,它主要是用來模擬地球上的單個生物體在隨著生活環(huán)境變化中的不斷遺傳和進化的全過程。由于該算法結構簡單使用方便,被應用于很多地方。
　　在眾多的遺傳算法中,由國外Deb提出被稱為NSGA-Ⅱ進化算法采用簡單便捷的非支配排序方式,不需要設置參數,并且具有很好的運行效率和較好分布性能,同時又擁有了較快的收斂速度,因此被國內外學者廣泛使用。但是還是有較大的改進空間

2、。
　　差分進化算法(Differential Evolution:DE)是由Storn等人提出來的,最初的設想是用來求解切比雪夫多項式問題,但是隨后發(fā)現DE也能夠非常有效求解復雜的優(yōu)化問題。近年來,差分進化算法由于其性能很好受了研究人員的到格外關注,應用領域也越來越廣。但是分布度保持的效果還有待提高。
　　本文主要的工作是針對上述的兩個經典進化算法來進行改進。
　　1.為了更好的保持解集的分布性和多樣性,Deb等通過

3、計算進化群體中每個個體之間的聚集距離,然后根據個體所處的層次及聚集距離來定義一個偏序集(partial order set),構造新群體時按順序在偏序集中選取個體。這種方法的缺點是,一些分布較好的個體可能被淘汰而有些分布不好的個體反而被保存下來。本文對NSGA-Ⅱ做出了改進,提出了用混合距離來估算個體密度,并和優(yōu)先隊列結合使用能夠較好地保持解的多樣性,提高解的分布度。結論是:試驗結果表明該算法與NSGA-Ⅱ相比具有更好的分布性。

4、　　2.本文提出的DSMODE算法和NSGA-Ⅱ算法一樣是隨機選取父代個體進入交配池產生子代個體,再將其中優(yōu)秀的個體選入下一代進化種群。我們知道由于隨機選擇的盲目性,導致子代的生成具有不確定性,但通常決策者希望能夠產生滿足決策需求的解進入下一代。對此,本文提出了一種基于方向信息的精英選擇機制,該機制指導算法將可能產生較好分布子代個體選作父代進入交配池,使得算法朝增加解集多樣性的方向進行搜索,從而達到保持解集的多樣性的目的。實驗結果證明了