高維多目標(biāo)進(jìn)化算法中支配關(guān)系的改進(jìn)研究.pdf

1、多目標(biāo)進(jìn)化算法（ryAlgorithmEvolutionaMulti-objective，簡稱MOEA）在解決現(xiàn)實(shí)生活問題中表現(xiàn)出極大的優(yōu)越性。但同時它在解決某些問題上存在一些限制，特別是當(dāng)目標(biāo)個數(shù)大于3個時。而之所以會有這種限制，其主要原因是：1)隨著目標(biāo)空間維數(shù)的增加，將會導(dǎo)致互不支配的個體在種群中所占的比例呈指數(shù)增長，從而影響算法的收斂性。2)傳統(tǒng)多目標(biāo)進(jìn)化算法在分布性保持機(jī)制沒有特別偏好極端解，從而影響到算法在高維多目標(biāo)問題(M

2、AOPS)上的尋優(yōu)能力。因此當(dāng)前主流的高維多目標(biāo)進(jìn)化算法的選擇操作通常由收斂性算子和分布性算子組成，收斂性算子是基于Pareto支配下的偏好非支配個體解機(jī)制，分布性算子是收斂性算子的基礎(chǔ)上對種群的分布性保持機(jī)制以及極端解偏好機(jī)制。在高維多目標(biāo)進(jìn)化算法中，對支配關(guān)系的研究是本文研究的重要內(nèi)容，也是進(jìn)化計(jì)算領(lǐng)域的較新的研究方向之一，有著很明確的研究意義。
　　為提高多目標(biāo)進(jìn)化算法在高維問題上的優(yōu)化性能，本文從CDAS的實(shí)現(xiàn)機(jī)制入手，提

3、出一種利用支配關(guān)系來提高收斂壓力的多目標(biāo)進(jìn)化算法。在傳統(tǒng)的利用支配區(qū)域提高收斂壓力的算法中，都會出現(xiàn)非支配解被切割的問題，為解決這一問題，本文提出了一種支配區(qū)域自適應(yīng)變化的新方法。在進(jìn)化初期，通過放松支配關(guān)系讓選擇壓力足夠大，在越接近最優(yōu)Pareto面時，支配關(guān)系越接近Pareto支配，從而不僅可以讓種群在前期快速收斂，在后期盡可能弱化非支配解被切割而導(dǎo)致種群多樣性降低的問題，從而不易陷入局部最優(yōu)。實(shí)驗(yàn)結(jié)果表明，所提方法與傳統(tǒng)進(jìn)化算法相