多目標(biāo)進(jìn)化算法改進(jìn)策略的研究.pdf

1、所謂的進(jìn)化算法是指人們提出的一種能夠根據(jù)問(wèn)題的實(shí)際情況自動(dòng)調(diào)整的全局優(yōu)化算法,它主要是用來(lái)模擬地球上的單個(gè)生物體在隨著生活環(huán)境變化中的不斷遺傳和進(jìn)化的全過(guò)程。由于該算法結(jié)構(gòu)簡(jiǎn)單使用方便,被應(yīng)用于很多地方。
　　在眾多的遺傳算法中,由國(guó)外Deb提出被稱(chēng)為NSGA-Ⅱ進(jìn)化算法采用簡(jiǎn)單便捷的非支配排序方式,不需要設(shè)置參數(shù),并且具有很好的運(yùn)行效率和較好分布性能,同時(shí)又擁有了較快的收斂速度,因此被國(guó)內(nèi)外學(xué)者廣泛使用。但是還是有較大的改進(jìn)空間

2、。
　　差分進(jìn)化算法(Differential Evolution:DE)是由Storn等人提出來(lái)的,最初的設(shè)想是用來(lái)求解切比雪夫多項(xiàng)式問(wèn)題,但是隨后發(fā)現(xiàn)DE也能夠非常有效求解復(fù)雜的優(yōu)化問(wèn)題。近年來(lái),差分進(jìn)化算法由于其性能很好受了研究人員的到格外關(guān)注,應(yīng)用領(lǐng)域也越來(lái)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(duì)上述的兩個(gè)經(jīng)典進(jìn)化算法來(lái)進(jìn)行改進(jìn)。
　　1.為了更好的保持解集的分布性和多樣性,Deb等通過(guò)

3、計(jì)算進(jìn)化群體中每個(gè)個(gè)體之間的聚集距離,然后根據(jù)個(gè)體所處的層次及聚集距離來(lái)定義一個(gè)偏序集(partial order set),構(gòu)造新群體時(shí)按順序在偏序集中選取個(gè)體。這種方法的缺點(diǎn)是,一些分布較好的個(gè)體可能被淘汰而有些分布不好的個(gè)體反而被保存下來(lái)。本文對(duì)NSGA-Ⅱ做出了改進(jìn),提出了用混合距離來(lái)估算個(gè)體密度,并和優(yōu)先隊(duì)列結(jié)合使用能夠較好地保持解的多樣性,提高解的分布度。結(jié)論是:試驗(yàn)結(jié)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(jī)選取父代個(gè)體進(jìn)入交配池產(chǎn)生子代個(gè)體,再將其中優(yōu)秀的個(gè)體選入下一代進(jìn)化種群。我們知道由于隨機(jī)選擇的盲目性,導(dǎo)致子代的生成具有不確定性,但通常決策者希望能夠產(chǎn)生滿(mǎn)足決策需求的解進(jìn)入下一代。對(duì)此,本文提出了一種基于方向信息的精英選擇機(jī)制,該機(jī)制指導(dǎo)算法將可能產(chǎn)生較好分布子代個(gè)體選作父代進(jìn)入交配池,使得算法朝增加解集多樣性的方向進(jìn)行搜索,從而達(dá)到保持解集的多樣性的目的。實(shí)驗(yàn)結(jié)果證明了