偏好集驅(qū)動的多目標協(xié)同進化算法研究.pdf

1、多目標優(yōu)化問題因其具有較強的全局優(yōu)化能力而成為科學研究和工程應(yīng)用領(lǐng)域中非常重要的研究課題。然而，高維目標進化算法在求解復雜的實際問題時，卻普遍存在既要快速收斂又要維持群體多樣性的矛盾。一方面，隨著目標維度的增加，非支配解的比例迅速增加，從而種群的搜索能力顯著下降，導致算法無法收斂；另一方面，在目標個數(shù)的急劇擴張下，要求逼近整個Pareto前沿的解集個體數(shù)必然呈指數(shù)型增長，解集個體數(shù)的嚴重不足會阻滯算法的進程向Pareto前沿逼近；同時，

2、高額的計算復雜度使得解集分布在整個Pareto前沿增加一定的困難。協(xié)同進化機制強調(diào)種群與種群之間和種群與環(huán)境之間相互競爭和相互協(xié)作，在解決高維目標優(yōu)化問題時，該機制能夠有效的加快種群收斂又能提高種群多樣性。針對以上難點問題，本文從協(xié)同機制的研究角度出發(fā)，引入膝蓋點作為決策者偏好引導種群求解決策者感興趣的區(qū)域。同時，提出種群自適應(yīng)偏好集策略，進一步降低算法計算復雜度。本文的主要研究內(nèi)容如下：
　　1：提出了一種膝蓋點引導的偏好集協(xié)同

3、多目標進化算法。首先利用多個隨機偏好引導種群進化，然后利用進化后的種群來選擇偏好，這兩個過程循環(huán)交替，實現(xiàn)偏好與種群協(xié)同進化。進一步，為了提高決策者在未知偏好情況下對解集的選擇能力，提出膝蓋點引導的偏好集協(xié)同多目標進化算法，即通過膝蓋點引導種群向決策者感興趣的區(qū)域逼近。在算法性能評價實驗中，將所提算法應(yīng)用到求解ZDT與DTLZ測試函數(shù)，實驗結(jié)果表明該算法具有更好的收斂性。
　　2：提出了一種基于偏好集自適應(yīng)協(xié)同的高維目標進化算法。