基于Pareto支配的高維多目標(biāo)進(jìn)化算法研究.pdf

1、在現(xiàn)實(shí)生活中，許多應(yīng)用涉及到多個(gè)目標(biāo)同時(shí)求優(yōu)的問(wèn)題，這些問(wèn)題被稱為多目標(biāo)優(yōu)化問(wèn)題。進(jìn)化算法憑借著其較好的收斂性和多樣性被廣泛應(yīng)用在多目標(biāo)優(yōu)化問(wèn)題中，這些多目標(biāo)優(yōu)化問(wèn)題通常涉及2到3個(gè)目標(biāo)。然而現(xiàn)實(shí)生活中的多目標(biāo)優(yōu)化問(wèn)題往往超過(guò)三個(gè)目標(biāo)（即高維的多目標(biāo)優(yōu)化問(wèn)題），常用的基于Pareto支配的進(jìn)化算法在處理該類問(wèn)題時(shí)卻面臨著Pareto支配的無(wú)效性、Pareto分層排序的耗時(shí)性和收斂性與多樣性不平衡等難題。且實(shí)際生活中的問(wèn)題也常會(huì)涉及到一些

2、約束限制，使得有約束條件的高維多目標(biāo)優(yōu)化問(wèn)題也成為學(xué)者們待解決的難題。本文旨在對(duì)基于Pareto支配的進(jìn)化算法進(jìn)行改進(jìn)來(lái)處理無(wú)約束條件和有約束條件的高維多目標(biāo)優(yōu)化問(wèn)題。本文主要工作概述如下:
　　(1)首先針對(duì)基于Pareto支配的進(jìn)化算法在處理高維多目標(biāo)問(wèn)題時(shí)收斂性與多樣性不平衡和計(jì)算時(shí)間復(fù)雜度高的問(wèn)題，提出了多樣性優(yōu)先的維持策略。與通常運(yùn)用收斂性優(yōu)先的方法不同，本文方法首先通過(guò)將目標(biāo)空間分割成均勻相等的子空間來(lái)維持種群的多樣性

3、，然后在每個(gè)子空間中選擇收斂性較好的個(gè)體來(lái)維持種群的收斂性。該方法能較好的識(shí)別經(jīng)Pareto分層排序后在稍高層上收斂性和多樣性都較好的個(gè)體。
　　(2)其次針對(duì)Pareto支配關(guān)系在高維目標(biāo)空間上的無(wú)效性和一般聚類方法對(duì)多樣性較好收斂性很差的個(gè)體的偏好性，引入了兩層聚類和兩層排序方法。兩層聚類方法首先對(duì)非劣個(gè)體進(jìn)行聚類，并由非劣個(gè)體引導(dǎo)受支配個(gè)體的聚類來(lái)識(shí)別收斂性和多樣性不平衡的個(gè)體。然后根據(jù)個(gè)體的收斂性和多樣性信息將每類中的非劣

4、個(gè)體和受支配個(gè)體進(jìn)行排序來(lái)維持種群的收斂性和多樣性。最后通過(guò)對(duì)該方法的時(shí)間復(fù)雜度分析和在13個(gè)測(cè)試問(wèn)題上的應(yīng)用驗(yàn)證了我們的方法在求得較好收斂性和多樣性解集的同時(shí)能夠獲得較低的時(shí)間復(fù)雜度。
　　(3)最后針對(duì)約束處理機(jī)制對(duì)可行解和擁有較低約束違背度解的偏好性，提出一種基于約束支配自適應(yīng)選擇機(jī)制的高維多目標(biāo)約束進(jìn)化算法。該方法根據(jù)種群中不可行解的比例隨迭代次數(shù)的變化將約束處理分為三種情況，并自適應(yīng)的選擇一種約束機(jī)制。通過(guò)在3類不同的約