多目標(biāo)蟻群遺傳算法及其在區(qū)域水資源配置問題中的應(yīng)用.pdf

1、多目標(biāo)優(yōu)化問題在社會經(jīng)濟、管理、軍事和人文等領(lǐng)域應(yīng)用的非常廣泛。傳統(tǒng)的多目標(biāo)優(yōu)化方法，有一定局限性，往往只能搜索到部分局部最優(yōu)的Pareto前沿(Pareto Front)，而很難得到充分、均勻的全局Pareto最優(yōu)解。建立在生物智能或物理現(xiàn)象基礎(chǔ)上的群體智能優(yōu)化算法，搜索最優(yōu)解的速度快、具有普適的魯棒性，正成為解決多目標(biāo)優(yōu)化的前沿研究課題。 遺傳算法和蟻群算法是研究的比較成熟、應(yīng)用比較廣泛的智能優(yōu)化算法。遺傳算法具有大范圍全局

2、搜索的能力，與問題的領(lǐng)域無關(guān)，其搜索從群體出發(fā)，具有潛在的并行性、可進行多值比較、魯棒性強等特點。蟻群算法能夠智能搜索、全局優(yōu)化，而且具有魯棒性、正反饋、分布式計算、易與其它算法結(jié)合等特點。 考慮到遺傳算法具有快速性、隨機性、全局收斂性等優(yōu)點，但也具有冗余迭代多、早熟、對參數(shù)比較敏感的缺點：而蟻群算法具有并行性、正反饋機制以及求解效率高等特性，但其全局搜索能力較差，容易陷入局部解。因此本文將遺傳算法與蟻群算法融合，提出多目標(biāo)蟻群

3、遺傳算法，用于解決帶約束條件多目標(biāo)最優(yōu)化問題。該算法結(jié)合蟻群算法的信息反饋更新機制，把信息量應(yīng)用于指導(dǎo)多目標(biāo)遺傳算法的搜索選擇，改善非劣排序的計算效率，在保證求解精度的同時降低計算復(fù)雜性。本算法先將解空間分解成多個子空問，再用信息素標(biāo)定這些子空間，信息素對遺傳搜索進行指導(dǎo)，在搜索中更新信息素，同時采用了最優(yōu)決策集的更新策略和搜索收斂退出機制，從而提高求解效率，降低算法復(fù)雜度。實驗證明，與以往算法相比，此算法能更快更精確地逼近：Paret