協(xié)同進(jìn)化遺傳算法在多目標(biāo)優(yōu)化中的應(yīng)用研究.pdf

1、多目標(biāo)優(yōu)化問(wèn)題一直是科學(xué)研究和工程應(yīng)用中非常重要的研究課題。進(jìn)化算法具有解決多目標(biāo)優(yōu)化問(wèn)題的優(yōu)勢(shì)，因其不存在對(duì)優(yōu)化問(wèn)題先驗(yàn)知識(shí)方面的要求，可以同時(shí)搜索到優(yōu)化問(wèn)題的多個(gè)解，具有處理大問(wèn)題空間的能力，能夠克服傳統(tǒng)多目標(biāo)優(yōu)化方法存在的弊端。遺傳算法被廣泛應(yīng)用于解決多目標(biāo)優(yōu)化問(wèn)題以來(lái)，出現(xiàn)了許多經(jīng)典的多目標(biāo)進(jìn)化算法，然而，遺傳算法普遍存在既要快速收斂又要維持群體多樣性的矛盾。協(xié)同進(jìn)化機(jī)制強(qiáng)調(diào)種群與種群之間以及種群與環(huán)境之間的相互影響，涉及進(jìn)化種

2、群間的競(jìng)爭(zhēng)與協(xié)作作用，即可提高種群多樣性，又可加快收斂速度，因此，協(xié)同進(jìn)化遺傳算法較一般遺傳算法更加符合自然進(jìn)化的一般規(guī)律，成為解決多目標(biāo)優(yōu)化問(wèn)題的發(fā)展趨勢(shì)。
　　為進(jìn)一步提高多目標(biāo)協(xié)同進(jìn)化遺傳算法的收斂速度以及種群多樣性，提出一種新的算法用于解決多目標(biāo)優(yōu)化問(wèn)題，主要研究?jī)?nèi)容如下:
　　(1)提出了一種基于多級(jí)搜索區(qū)域的協(xié)同進(jìn)化遺傳算法。作為多目標(biāo)進(jìn)化算法的基礎(chǔ)，當(dāng)前單目標(biāo)協(xié)同進(jìn)化遺傳算法仍然存在收斂速度慢以及計(jì)算復(fù)雜性高等

3、問(wèn)題?；诙嗉?jí)搜索區(qū)域的協(xié)同進(jìn)化遺傳算法提出劃分搜索區(qū)域的搜索模式，密集搜索最優(yōu)解出現(xiàn)概率較高的區(qū)域，稀疏搜索最優(yōu)解出現(xiàn)概率較低的區(qū)域，可進(jìn)一步提高協(xié)同進(jìn)化遺傳算法的性能。算法提出了判斷種群趨于進(jìn)化停滯狀態(tài)的標(biāo)準(zhǔn)；當(dāng)各個(gè)種群均趨于進(jìn)化停滯時(shí)，通過(guò)聚類(lèi)分析對(duì)整個(gè)搜索區(qū)域劃分等級(jí)，包括“重點(diǎn)搜索區(qū)域”、“次級(jí)搜索區(qū)域”和“外圍搜索區(qū)域”，以便快速收斂到全局最優(yōu)解；對(duì)不同等級(jí)的搜索區(qū)域施以不同的搜索強(qiáng)度，強(qiáng)化搜索“重點(diǎn)搜索區(qū)域”，弱化搜索“外

4、圍搜索區(qū)域”。仿真實(shí)驗(yàn)測(cè)試表明，通過(guò)劃分多級(jí)搜索區(qū)域，算法提高了收斂速度，降低了算法復(fù)雜度，從而表明該算法是解決最優(yōu)化問(wèn)題的一種高效算法。
　　(2)提出了一種分階段的多目標(biāo)協(xié)同進(jìn)化算法。當(dāng)前收斂性能較好的多目標(biāo)進(jìn)化算法往往分布性能稍顯不足，而分布性能較好的多目標(biāo)進(jìn)化算法往往收斂性能較弱，因而多目標(biāo)進(jìn)化算法有待于進(jìn)一步提高收斂性能以及分布性能。分階段的多目標(biāo)協(xié)同進(jìn)化算法分為兩個(gè)進(jìn)化階段，種群進(jìn)化階段重點(diǎn)提高算法的收斂性能，優(yōu)秀個(gè)體

5、再進(jìn)化階段重點(diǎn)提高算法的分布性能，從而同時(shí)提高算法的收斂性能與分布性能。在種群進(jìn)化階段，借鑒文化算法的思想，各種群從種群空間中選取優(yōu)秀個(gè)體加入信念空間，從信念空間中提取知識(shí)以引導(dǎo)種群的進(jìn)化，同時(shí)，各種群在進(jìn)化過(guò)程中學(xué)習(xí)優(yōu)秀種群的文化，并且吞并弱勢(shì)種群；在優(yōu)秀個(gè)體再進(jìn)化階段，各種群信念空間中的個(gè)體匯聚到總信念空間，以鄰域內(nèi)變異的方式作進(jìn)一步進(jìn)化，在優(yōu)秀個(gè)體附近探索更優(yōu)秀的個(gè)體，并提高種群分布均勻性。仿真實(shí)驗(yàn)測(cè)試表明，通過(guò)分階段進(jìn)化，算法較

6、 NSGAⅡ既提高了收斂性能，又提高了分布性能。
　　(3)應(yīng)用分階段的多目標(biāo)協(xié)同進(jìn)化算法解決多目標(biāo)0/1背包問(wèn)題與投資組合優(yōu)化問(wèn)題。多目標(biāo)0/1背包問(wèn)題與投資組合優(yōu)化問(wèn)題均是現(xiàn)實(shí)生活中的多目標(biāo)優(yōu)化問(wèn)題，是關(guān)系人們?nèi)粘Ｉ畹膶?shí)際問(wèn)題，而傳統(tǒng)優(yōu)化方法仍不能滿足人們的需求。在應(yīng)用實(shí)驗(yàn)中，將分階段的多目標(biāo)協(xié)同進(jìn)化算法與經(jīng)典多目標(biāo)進(jìn)化算法(NSGAⅡ)作了對(duì)比分析，結(jié)果表明，本文提出的算法較 NSGAⅡ有所改進(jìn)，收斂能力好，可獲得均勻分布