多目標(biāo)差分進(jìn)化算法研究.pdf

1、大多數(shù)工程設(shè)計(jì)和科學(xué)研究等領(lǐng)域中普遍存在的優(yōu)化決策問(wèn)題均可以歸納為多目標(biāo)優(yōu)化問(wèn)題(MOPs)，這些各個(gè)優(yōu)化目標(biāo)間往往是相互聯(lián)系但又彼此制約的，一個(gè)目標(biāo)性能的優(yōu)化會(huì)造成其他其余目標(biāo)性能的劣化，即多個(gè)目標(biāo)很難同時(shí)達(dá)到最優(yōu)。因此針對(duì)MOPs的研究成為了進(jìn)化計(jì)算中的一個(gè)富有重大意義和挑戰(zhàn)性的課題。DE算法作為目前比較有效的進(jìn)化算法之一，十分適合于 MOPs的求解。目前針對(duì)多目標(biāo)差分進(jìn)化(MODE)算法的研究處在發(fā)展階段，因此本文旨在研究 MOD

2、E算法。全文的主要工作包括以下幾個(gè)方面。
　　首先針對(duì)MOPs的研究背景和意義予以全面的介紹；然后給出了它的數(shù)學(xué)模型和一些相關(guān)核心概念的定義說(shuō)明；接著，介紹了MODE算法并回顧與總結(jié)了它的研究進(jìn)展；最后，指出了目前MODE算法存在不足之處和難點(diǎn)問(wèn)題。
　　針對(duì)MODE算法在MOPs求解的過(guò)程中存在收斂性和分布均勻性欠佳等不足，提出了一種基于多策略排序變異的多目標(biāo)差分進(jìn)化算法(MODE-MSRM)。通過(guò)對(duì)差分進(jìn)化過(guò)程中不同變異

3、模式的研究，充分利用各自優(yōu)點(diǎn)并將其與基于排序變異算子相結(jié)合，提出了一種自適應(yīng)的多策略排序變異的DE算子，使得算法的探索和開發(fā)性能得到提高。為了更有效地維持 Pareto最優(yōu)解集的分布均勻性，引入一種基于熵的擁擠距離計(jì)算方法。實(shí)驗(yàn)結(jié)果說(shuō)明MODE-MSRM算法相對(duì)于近期相關(guān)文獻(xiàn)中的算法在求解MOPs時(shí)具有更好的收斂性和分布性。
　　為了進(jìn)一步促使算法能產(chǎn)生收斂性好且分布均勻的Pareto最優(yōu)解集，基于MO DE-MS R M算法，提

4、出了一種基于外部歸檔和球面修剪機(jī)制的多目標(biāo)差分進(jìn)化算法(MODE-ASP)。該算法通過(guò)融入一種控制參數(shù)自適應(yīng)的方法來(lái)提高算法的魯棒性。此外，采用外部歸檔集合對(duì)進(jìn)化過(guò)程中所能尋找到的非支配解予以保存。另外，在外部歸檔集合的維護(hù)過(guò)程中，使用球面修剪機(jī)制來(lái)代替基于熵的擁擠距離計(jì)算方法，以此使外部歸檔集合中的解具有較好的多樣性和分布均勻性。實(shí)驗(yàn)結(jié)果表明，本章所提出的算法相對(duì)于相關(guān)文獻(xiàn)中的算法具有一定的優(yōu)勢(shì)。
　　在實(shí)際求解MOPs過(guò)程中，

5、決策者通常只對(duì)部分區(qū)域內(nèi)的解感興趣，因此如何在進(jìn)化過(guò)程中融入決策者偏好可提高算法搜索效率，為此提出了一種基于全局物理規(guī)劃的偏好多目標(biāo)差分進(jìn)化算法(MODE-GPP)。該算法在前面 MODE-ASP算法基礎(chǔ)上，引入全局物理規(guī)劃策略，運(yùn)用更簡(jiǎn)潔有效的語(yǔ)言來(lái)表達(dá)決策者偏好，從而引導(dǎo)種群朝著決策者感興趣的區(qū)域進(jìn)化，以獲得決策者比較滿意的解。實(shí)驗(yàn)結(jié)果表明所提算法是比較有效的。
　　本文的研究工作得到廣西區(qū)研究生教育創(chuàng)新計(jì)劃資助項(xiàng)目（0025