多目標群搜索算法研究及其應用.pdf

1、多目標優(yōu)化問題(Multi-objective Optimization Problems, MOPs)廣泛存在于工程實踐和科學研究領(lǐng)域。多目標優(yōu)化問題主要研究如何在多個彼此間相互沖突的目標中得到最優(yōu)解，該問題一直都是學術(shù)、工程界廣泛關(guān)注的焦點。近年來，隨著進化算法的研究和發(fā)展，多目標遺傳算法、多目標粒子群算法等相繼被提出，并得到廣泛的關(guān)注和應用。
　　群搜索優(yōu)化算法(Group Search Optimizer, GSO)是根據(jù)

2、鳥、獅子等群體動物的覓食行為，以PS模型(Producer-Scrounger model)為基礎(chǔ)建立的一種新型智能優(yōu)化算法。GSO在解決單目標問題上具有良好的優(yōu)越性，在高維函數(shù)優(yōu)化及收斂上展現(xiàn)出良好性能，對于解決復雜的工程問題具有明顯的優(yōu)勢。目前，對于 GSO算法的研究主要集中在解決單目標問題上，對于其在多目標問題領(lǐng)域的研究比較少，值得進行更進一步研究。
　　目前，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡僵化現(xiàn)象日益嚴重。網(wǎng)絡虛擬化技術(shù)的

3、出現(xiàn)為解決網(wǎng)絡僵化問題提供了新的途徑，其中，虛擬網(wǎng)絡映射方法是實現(xiàn)網(wǎng)絡虛擬化主要技術(shù)之一，針對其 NP-hard和多種映射目標彼此相互沖突的特點，本文采用多目標GSO方法加以解決，為虛擬網(wǎng)絡映射問題的解決提供了新的方法。
　　本文在標準群搜索算法和多目標進化理論基礎(chǔ)上，對多目標的群搜索算法及其應用進行了研究和分析，主要內(nèi)容如下：
　　(1)提出了一種基于多發(fā)現(xiàn)者和交叉算子的多目標群搜索算法。該算法在原群搜索算法的基礎(chǔ)上，將發(fā)

4、現(xiàn)者由一個拓展為多個，并在發(fā)現(xiàn)者的更新策略中引入了Metropolis準則，防止算法局部收斂；同時，將交叉算子融入到游蕩者的行為中，從而提高了算法的性能。
　　(2)提出了一種合作型協(xié)同多目標群搜索算法。首先將種群劃分為多個子群，用改進的群搜索優(yōu)化算法對子群進行演化；然后，子群間相互協(xié)作構(gòu)成上下文向量，通過目標函數(shù)對上下文向量進行評定以更新子群；最后，結(jié)合各個子群的成員構(gòu)建多目標問題的Pareto解集。
　　(3)將多目標群