改進(jìn)的遺傳算法求解多目標(biāo)優(yōu)化問(wèn)題.pdf

1、多目標(biāo)優(yōu)化問(wèn)題一直是科學(xué)和工程研究領(lǐng)域的難點(diǎn)和熱點(diǎn)問(wèn)題。如何有效地求解多目標(biāo)優(yōu)化問(wèn)題也一直是學(xué)者所追求的目標(biāo)。早期，求解多目標(biāo)優(yōu)化常用的傳統(tǒng)的數(shù)學(xué)規(guī)劃方法。隨著進(jìn)化算法的概念被提出，進(jìn)化算法在最優(yōu)化領(lǐng)域的應(yīng)用越來(lái)越廣泛。進(jìn)化算法作為一種群體智能搜索方法在解決多目標(biāo)優(yōu)化問(wèn)題方面有著很多的優(yōu)勢(shì)，如何利用進(jìn)化算法求解多目標(biāo)優(yōu)化問(wèn)題已經(jīng)成為最優(yōu)化領(lǐng)域的一個(gè)研究熱點(diǎn)。遺傳算法作為進(jìn)化算法中的一個(gè)典型算法已經(jīng)被廣泛用于求解多目標(biāo)優(yōu)化問(wèn)題，它具有全局

2、搜索能力強(qiáng)和不依賴于具體問(wèn)題的特點(diǎn)。NSGA-II是求解多目標(biāo)優(yōu)化問(wèn)題中發(fā)展較快，優(yōu)化效果較好的一種方法。但是NSGA-II算法在解決多目標(biāo)優(yōu)化問(wèn)題是也存在一定的不足之處，例如對(duì)種群多樣性考慮不足，局部搜索能力較差，快速非支配排序的算法時(shí)間復(fù)雜度過(guò)高等。本文主要針對(duì)這些不足，對(duì)NSGA-II做出了改進(jìn)，以提高算法求解多目標(biāo)問(wèn)題的性能。
　　本文主要做了以下幾個(gè)部分的工作：
　　1.系統(tǒng)地介紹了多目標(biāo)優(yōu)化問(wèn)題的相關(guān)背景知識(shí)，對(duì)

3、于求解多目標(biāo)優(yōu)化問(wèn)題的算法做了詳細(xì)的介紹。重點(diǎn)介紹了使用NSGA-II求解多目標(biāo)優(yōu)化問(wèn)題的一般流程。總結(jié)了NSGA-II求解多目標(biāo)優(yōu)化問(wèn)題具有的優(yōu)點(diǎn)和存在的不足之處。
　　2.針對(duì)NSGA-II在求解多目標(biāo)優(yōu)化問(wèn)題的時(shí)候過(guò)于關(guān)注解的質(zhì)量，而對(duì)于種群的多樣性考慮不足這一不足之處，提出了一個(gè)新的選擇算子。新的選擇算子可以保證保留種群中非支配最優(yōu)解的前提下充分考慮種群的多樣性。同時(shí)針對(duì)NSGA-II局部搜索能力較弱這一不足，改進(jìn)了NSG

4、A-II的變異算子，使得NSGA-II能夠具有較強(qiáng)的局部搜索能力。在改進(jìn)的基礎(chǔ)之上提出了一種新的改進(jìn)的ISMNSGA-II算法，仿真實(shí)驗(yàn)證明了算法的有效性。
　　3.對(duì)于基于種群中個(gè)體非支配關(guān)系求解多目標(biāo)優(yōu)化問(wèn)題的這一類算法而言，構(gòu)造種群的非支配最優(yōu)解集是算法中關(guān)鍵的一步。準(zhǔn)確的找到種群的非支配最優(yōu)解集是保證解的質(zhì)量的關(guān)鍵，比較具有代表性的算法是快速非支配排序算法。擂臺(tái)賽算法是一種新的構(gòu)造種群非支配最優(yōu)解集的方法，具有較優(yōu)的時(shí)間性