多目標(biāo)最優(yōu)化進(jìn)化算法.pdf

1、進(jìn)化算法已成功應(yīng)用于工程優(yōu)化、經(jīng)濟(jì)管理、科學(xué)技術(shù)等諸多領(lǐng)域，進(jìn)化算法作為處理復(fù)雜的函數(shù)最優(yōu)化、全局最優(yōu)化和多目標(biāo)最優(yōu)化問(wèn)題的一種有效算法，正日益受到人們的重視。本文對(duì)帶約束和不帶約束的多目標(biāo)最優(yōu)化問(wèn)題進(jìn)行了研究，提出兩種新的進(jìn)化算法，并給出了一種解點(diǎn)均勻性度量方法。 對(duì)復(fù)雜多目標(biāo)最優(yōu)化問(wèn)題，往往存在有效界面上一部分區(qū)域的點(diǎn)容易求而另些部分很難求出的情況。為求出有效界面上均勻分布的有效解，構(gòu)造了動(dòng)態(tài)的雜交變異概率，自適應(yīng)調(diào)節(jié)雜交、

2、變異個(gè)體的數(shù)量和雜交變異算子，結(jié)合均勻設(shè)計(jì)的帶權(quán)重極大極小策略，得到了一種新的多目標(biāo)進(jìn)化算法。通過(guò)對(duì)已有測(cè)試函數(shù)的數(shù)值實(shí)驗(yàn)和與MOEA/D和NSGA-Ⅱ算法數(shù)值結(jié)果的比較，表明了算法的有效性。 為了減少進(jìn)化算法的計(jì)算量和提高算法的搜索效率，通過(guò)把多目標(biāo)優(yōu)化問(wèn)題的決策空間分為若干個(gè)小區(qū)域，使進(jìn)化算子在各個(gè)小區(qū)域中的個(gè)體之間進(jìn)行運(yùn)算，不同小區(qū)域中的個(gè)體之間的信息交流通過(guò)產(chǎn)生的后代重新劃分到這些小區(qū)域中進(jìn)行，提出了基于分區(qū)域搜索的多目

3、標(biāo)進(jìn)化算法。由于算法使用分區(qū)域搜索，其在每一代的計(jì)算復(fù)雜度比NSGA-Ⅱ和MSEA都要小；而使用帶權(quán)重的極大極小策略作為適應(yīng)值.有利于引導(dǎo)算法趨向在有效界面上均勻分布的解。同時(shí)提出了一種處理約束的簡(jiǎn)單技術(shù)，使無(wú)約束多目標(biāo)進(jìn)化算法可直接用于求解約束多目標(biāo)問(wèn)題。通過(guò)測(cè)試復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題，表明了算法的高效性。 此外，為了更好的度量解點(diǎn)均勻性問(wèn)題，對(duì)已有的多目標(biāo)進(jìn)化算法的均勻性度量做了相應(yīng)的分析，特別是對(duì)高維多目標(biāo)優(yōu)化問(wèn)題解的度量進(jìn)