元胞多目標進化算法的改進及其工程應用研究.pdf

1、進化算法作為一種群體智能搜索方法在解決多目標優(yōu)化問題方面有著許多優(yōu)勢,研究進化算法求解多目標優(yōu)化問題已成為進化計算領域的一個研究熱點,但是在求解復雜的多目標優(yōu)化問題時,仍存在收斂性不佳和解的分布性差等問題。基于此,為了改善算法的性能,本文提出了2種改進的進化算法。
　　第一種是基于多策略差分進化的元胞多目標遺傳算法(MDECell),通過分析不同差分進化模式的優(yōu)劣,結合元胞模型,定義了一種多策略差分協(xié)同進化的選擇算子;針對當前擁擠

2、距離評估方法存在的缺陷,引入一種基于熵的擁擠距離評估方法,同時改進了替換策略。通過實驗證明該算法相對于非支配排序遺傳算法(NSGA-II)、元胞多目標遺傳算法(MOCell)和混合元胞遺傳算法(CellDE)不僅具有更好的收斂性和多樣性,而且在解的覆蓋率上得到一定程度的提高,尤其適合于高維復雜多目標優(yōu)化問題的求解。
　　第二種是多策略差分進化的元胞多目標粒子群算法(MPSOCell),其中該算法在分析粒子群優(yōu)化原理基礎上,將元胞自

3、動機理論融入粒子群算法,研究粒子種群的交流結構和信息傳遞機制。為了避免粒子飛行速度過快陷入局部收斂,提出一種限制粒子飛行速度的策略,并引入一種多策略差分進化選擇算子增加對粒子的擾動。實驗證明,該算法相對于比較算法,有更好的收斂性和多樣性。
　　為了進一步驗證算法的效果,將MPSOCell算法應用于桁架結構靜力多目標優(yōu)化設計問題中,通過對比實驗,MPSOCell算法相對其他算法收斂精度高,獲得的極端點擴展更好,Pareto前端分布更