多目標遺傳算法中解集分布度保持策略的研究.pdf

1、由于多目標遺傳算法能夠通過一次運行找到一組多目標優(yōu)化問題的Pareto折衷解，所以受到了國內外眾多研究者的廣泛關注。一個多目標遺傳算法的優(yōu)劣主要看三個指標：解集收斂程度，解集分布度以及時間消耗。其中良好的解集分布度能夠讓決策者們從解集中選擇最適合問題的解。對于如何保持解集的分布度，相關人士作了大量的研究工作，并提出了多種分布度保持策略。其中，最有代表性的是：基于適應度共享的策略，它很依賴參數(shù)的設定；基于擁擠距離的策略，它在高維問題上的解

2、集分布度不理想；基于第k小距離的策略，它的時間復雜度很高；基于網(wǎng)格的策略，它的參數(shù)很難確定。 在對現(xiàn)有的分布度保持策略的研究的基礎上，本文提出了一種基于極坐標的解集分布度保持策略。它不需要設定任何參數(shù)，且時間復雜度低于。為了達到使解多樣化的目的，該策略通過均勻劃分極角，將解的搜索空間分成若干區(qū)域，使解分布在盡量多的區(qū)域當中，且讓解恰好處于每個區(qū)域的中心位置附近。在此基礎上，本文進一步提出了一種新的多目標遺傳算法：PCGA2。它采