基于博弈策略的多目標進化算法研究.pdf

1、多目標優(yōu)化問題(MOP)是科學研究與工程實踐中普遍存在又非常重要的一類基礎(chǔ)性優(yōu)化問題，具有廣泛的應(yīng)用前景。起源于生物進化理論的多目標進化算法(MOEA)是求解該問題的一種主流方法。目前該方法主要基于非支配解排序，隨著種群的進化，候選解的層次數(shù)不斷減少，種群多樣性逐漸丟失，造成種群進化動力不足，使算法容易出現(xiàn)收斂速度慢、容易進入局部最優(yōu)、全局尋優(yōu)能力弱等問題。
　　 博弈論(Game Theory)是研究主體為爭取最大利益如何做出

2、決策的一門科學，它和多目標問題都屬于多主體優(yōu)化問題。借鑒博弈論的基本知識和理論求解多目標優(yōu)化問題，無論是對提高多目標進化算法性能，還是拓展多目標優(yōu)化問題工程應(yīng)用領(lǐng)域都有積極的意義。
　　 本文圍繞基于博弈的多目標優(yōu)化算法以及在網(wǎng)格任務(wù)調(diào)度中的應(yīng)用展開工作，主要內(nèi)容包括：
　　 首先，介紹多目標優(yōu)化問題并總結(jié)目前已有的求解方法，給出了幾種常見的群智能算法基本原理和求解過程。另外，講解了博弈論的基本知識，并結(jié)合對多目標進化算

3、法中種群進化過程的分析，指出了兩者結(jié)合的可能性；
　　 其次，在研究多目標進化算法和各種博弈模型的基礎(chǔ)上，本文提出了一種基于混合策略博弈的多目標進化算法(MSG-MOEA)。將種群每次迭代過程看做是一場博弈，各博弈參與人不斷調(diào)整博弈策略，追求自身利益最大化，帶動種群向Pareto前沿進化。算法分析和仿真實驗表明本算法在解的分布性和收斂性方面都有較好的表現(xiàn)；
　　 最后，提出了一種基于MSG-MOEA的多目標網(wǎng)格任務(wù)調(diào)度算