基于分解的多目標(biāo)進(jìn)化算法研究.pdf

1、分類號(hào)：029UDC：密級(jí)：學(xué)校代號(hào)：11845學(xué)號(hào)：2111214003廣東工業(yè)大學(xué)碩士學(xué)位論文(理學(xué)碩士)基于分解的多目標(biāo)進(jìn)化算法研究王丹指導(dǎo)教師姓名、職稱：塞』漫撻教援專業(yè)或領(lǐng)域名稱：數(shù)堂學(xué)生所屬學(xué)院：數(shù)堂堂瞳論文答辯日期：至Q!墨生墨且星Q旦摘要摘要現(xiàn)實(shí)世界中存在大量的優(yōu)化問(wèn)題，特別是在科學(xué)研究和工程領(lǐng)域，這些優(yōu)化問(wèn)題往往需要考慮的目標(biāo)不止一個(gè)，即多目標(biāo)優(yōu)化問(wèn)題，且有時(shí)還需要考慮各種各樣的約束條件這些優(yōu)化問(wèn)題的目標(biāo)往往是相互沖突

2、的即不存在唯一解同時(shí)優(yōu)化所有的目標(biāo)因此運(yùn)籌學(xué)中的傳統(tǒng)方法已難以獨(dú)立解決進(jìn)化算法是從種群到種群的搜索，其群體搜索的特性在求解多目標(biāo)優(yōu)化問(wèn)題時(shí)具有明顯的優(yōu)勢(shì)并日益受到有關(guān)學(xué)者的關(guān)注在過(guò)去的幾十年中提出了許多多目標(biāo)進(jìn)化算法本文通過(guò)對(duì)進(jìn)化算法進(jìn)行深入的探索和研究，面向基于分解的多目標(biāo)進(jìn)化算法，提出了一種算法混合策略和約束處理策略，并進(jìn)行相應(yīng)的理論分析和實(shí)驗(yàn)分析具體而言，本論文的主要研究包含以下兩個(gè)方面：(1)基于分解的算法自適應(yīng)選擇：據(jù)“沒(méi)有免

3、費(fèi)午餐”這個(gè)定理我們可以知道，每一個(gè)算法都有自己的優(yōu)點(diǎn)和缺點(diǎn)，不存在一個(gè)算法適合所有的優(yōu)化問(wèn)題，且對(duì)于特定的優(yōu)化問(wèn)題我們事先并不能知道哪一種算法最適合鑒于此，在一個(gè)算法中混合不同的算法是一個(gè)很自然的思路目前在混合多種不同的重組算予，即新個(gè)體的產(chǎn)生算子已有許多工作然而據(jù)我們所知，在一個(gè)框架里邊混合不同的適應(yīng)值分配方式的研究還鮮有涉及另一方面，適應(yīng)值的分配對(duì)多目標(biāo)算法的性能有很大的影響因此在本文中我們提出了一種混合多目標(biāo)進(jìn)化算法，它根據(jù)點(diǎn)在

4、目標(biāo)空問(wèn)的分布把種群分成若干子種群，每一個(gè)子種群通過(guò)一個(gè)進(jìn)化算法進(jìn)行進(jìn)化同時(shí)提出一個(gè)混合的性能評(píng)價(jià)指標(biāo)評(píng)價(jià)每一個(gè)算法的性能用表現(xiàn)最好的算法周期性地替換表現(xiàn)最差的算法把本文提出的算法和MOEA／DM2MMOEA／DSMS—EMOA以及NSGA—II進(jìn)行比較實(shí)驗(yàn)結(jié)果表明本文提出的算法在大多數(shù)算法上都比比較的算法要好在少數(shù)算例上有相似的性能(2)基于分解的約束多目標(biāo)進(jìn)化算法：目前約束多目標(biāo)優(yōu)化問(wèn)題仍然是優(yōu)化領(lǐng)域一個(gè)熱點(diǎn)與難點(diǎn)問(wèn)題目前廣泛應(yīng)用的