基于模因算法的動態(tài)多目標優(yōu)化問題的研究.pdf

1、在現(xiàn)實世界中,往往存在著許多動態(tài)的多目標優(yōu)化問題,由于此類問題具有多個依賴時間或環(huán)境的目標,并且這些目標可能是相互沖突、不可公度的,加之此類問題的最優(yōu)解會隨著時間而發(fā)生改變,因而通常很難設計出一種通用而又有效的方法來求解此類問題。本文提出了一種基于模因算法(MA:MemeticAlgorithm)的動態(tài)多目標優(yōu)化方法,并進行實驗,獲得了一些有意義的結(jié)果。
　　 論文的主要工作如下:
　　 (1)問題描述與相關理論研究綜述

2、。主要包含動態(tài)多目標優(yōu)化問題的定義及其特征的描述,進化算法在動態(tài)多目標優(yōu)化問題的研究進展與研究目標的綜述,動態(tài)多目標優(yōu)化問題的測試函數(shù)及評價指標的總結(jié)。
　　 (2)提出了一種基于模因算法的動態(tài)多目標優(yōu)化方法。該方法主要包含四個模塊:進化算法模塊、局部優(yōu)化模塊,變化檢測模塊和全局與局部搜索平衡控制模塊。進化算法模塊采用快速非支配排序和擁擠距離算子來查找種群中的非支配前沿;局部優(yōu)化模塊使用局部爬山和模擬退火算法作為局部模因算子,對

3、精英個體進行局部優(yōu)化;變化檢測模塊和全局與局部搜索平衡控制模塊負責檢測環(huán)境是否發(fā)生變化,若發(fā)生變化則根據(jù)檢測到的變化量的大小來選擇對應的局部模因算子以及改變該算子的局部搜索深度。本文提出的優(yōu)化方法與基于進化算法的優(yōu)化方法相比具有以下3個優(yōu)點:①采用快速非支配排序和擁擠距離計算,能夠更快找到非支配個體;②采用局部優(yōu)化能夠改善種群結(jié)構(gòu),較好的保持種群的多樣性,具備較高的局部尋優(yōu)能力,可以加快種群的收斂速度;③采用動態(tài)檢測及全局與局部搜索平衡