基于參考點的演化多目標優(yōu)化算法及性能評價研究.pdf

1、自20世紀60年代初以來多目標優(yōu)化問題就受到研究人員越來越多的關注。近些年對演化算法的研究，表明了這種方法比傳統(tǒng)的搜索和優(yōu)化方法更加有效。演化多目標優(yōu)化(EMO)算法被廣泛地應用在各種問題中，在決策和優(yōu)化領域都引起了研究者極大的重視。 本文對當前流行的演化多目標優(yōu)化算法的基礎和不同實現(xiàn)方法中的基本思想進行了綜合分析和歸納。闡明當前多目標優(yōu)化領域的薄弱環(huán)節(jié)：帶有偏好信息的高維多目標優(yōu)化演化算法和多目標優(yōu)化算法性能的度量。以此為基礎

2、確定了本文的研究方法和目標。 具體的工作和創(chuàng)新點如下： 1、通過在NSGA-Ⅱ算法中加入新構造的變異算子和偏好算子，提出了基于參考點的演化算法(簡稱MR-NSGA-Ⅱ算法)，來實現(xiàn)高維多目標優(yōu)化問題的求解。本文還對算法的時間復雜度和性能進行綜合分析，數(shù)值實驗驗證了算法的有效性。 2、評價多目標優(yōu)化算法的性能方法包括測試函數(shù)和度量準則兩個基本要素，針對標準雙目標優(yōu)化測試問題，系統(tǒng)的分析構造多目標優(yōu)化測試函數(shù)的方法，