解多目標(biāo)優(yōu)化問題的改進(jìn)差分進(jìn)化算法研究.pdf

1、優(yōu)化來源于現(xiàn)實(shí)，在我們的日常生活中，會(huì)遇到許許多多的優(yōu)化問題。其中很多問題又都是多目標(biāo)優(yōu)化問題。在多目標(biāo)優(yōu)化中，各目標(biāo)之間是互相矛盾和互相沖突的，其最優(yōu)解往往有無窮多個(gè)，如何在最優(yōu)解集合中求出一組分布均勻、范圍廣泛且數(shù)量充足的代表解供給決策者進(jìn)行選擇是求解多目標(biāo)優(yōu)化問題的主要目標(biāo)。以進(jìn)化算法為代表的仿生算法，是一種隨機(jī)、簡(jiǎn)單、自適應(yīng)的全局搜索算法，已成為求解多目標(biāo)優(yōu)化問題的重要工具。本文首先對(duì)進(jìn)化算法的基本概念、基本理論、基本框架和多目

2、標(biāo)優(yōu)化問題的數(shù)學(xué)描述、基本概念等進(jìn)行了系統(tǒng)的綜述分析。接著概述了差分進(jìn)化算法，提出了一種改進(jìn)的多目標(biāo)差分進(jìn)化算法(LSMODE)，即使用一種新的局部搜索策略，引入了新的局部搜索算子來自動(dòng)地調(diào)整搜索步長，同時(shí)對(duì)DE 中的縮放因子F與交叉因子CR 進(jìn)行自適應(yīng)調(diào)整，并針對(duì)算法的解的產(chǎn)生過程中出現(xiàn)變量越界問題提出了一種有效的修補(bǔ)方法。從測(cè)試結(jié)果可以明顯看出，與目前經(jīng)典算法NSGA-II 進(jìn)行比較，LSMODE 能夠找到數(shù)量更多，分布更加均勻的a