多目標(biāo)遺傳算法中解集分布度保持策略的研究.pdf

1、由于多目標(biāo)遺傳算法能夠通過一次運(yùn)行找到一組多目標(biāo)優(yōu)化問題的Pareto折衷解，所以受到了國內(nèi)外眾多研究者的廣泛關(guān)注。一個(gè)多目標(biāo)遺傳算法的優(yōu)劣主要看三個(gè)指標(biāo)：解集收斂程度，解集分布度以及時(shí)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(duì)于如何保持解集的分布度，相關(guān)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(yīng)度共享的策略，它很依賴參數(shù)的設(shè)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(shí)間復(fù)雜度很高；基于網(wǎng)格的策略，它的參數(shù)很難確定。 在對(duì)現(xiàn)有的分布度保持策略的研究的基礎(chǔ)上，本文提出了一種基于極坐標(biāo)的解集分布度保持策略。它不需要設(shè)定任何參數(shù)，且時(shí)間復(fù)雜度低于。為了達(dá)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(dāng)中，且讓解恰好處于每個(gè)區(qū)域的中心位置附近。在此基礎(chǔ)上，本文進(jìn)一步提出了一種新的多目標(biāo)遺傳算法：PCGA2。它采