基于自適應(yīng)ε支配多目標(biāo)遺傳算法的研究.pdf

1、現(xiàn)實(shí)世界中存在著許多多目標(biāo)優(yōu)化問(wèn)題（MOP），傳統(tǒng)的規(guī)劃算法不能很好求解這些問(wèn)題。而多目標(biāo)遺傳算法(MOGA)擅長(zhǎng)于求解高度復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題且通過(guò)一次運(yùn)行可以搜索到一組Pareto折衷解。因此引起許多研究者的興趣，提出了不少多目標(biāo)遺傳算法，如：SPEA2、NSGAII、PESAII等。這些算法要么耗費(fèi)大量時(shí)間以獲得良好的分布度，要么速度很快但分布度較差。例如，雖然SPEA2的解分布度比NSGAII好，但它需要更多的時(shí)間。 D

2、eb等提出的基于ε支配的ε-MOGA，該算法利用ε參數(shù)將整個(gè)Pareto最優(yōu)面分成若干個(gè)超立方體，然后利用ε支配使得在每個(gè)超立方體中至多有一個(gè)非支配個(gè)體，從而來(lái)保持解集的分布度。由于該算法不需要截?cái)嗨惴?，因此在一定條件下能在時(shí)間效率和分布度之間取得很好折衷，但是該算法需要根據(jù)Pareto最優(yōu)面及用戶期望得到的非支配個(gè)體的數(shù)量來(lái)設(shè)定ε參數(shù)，而由于許多實(shí)際問(wèn)題無(wú)法知道它的Pareto最優(yōu)面，因而無(wú)法合理地設(shè)定ε參數(shù)。針對(duì)上述問(wèn)題，在結(jié)合其他