基于改進(jìn)蛙跳算法的多目標(biāo)優(yōu)化問(wèn)題研究.pdf

1、在現(xiàn)實(shí)過(guò)程中,對(duì)問(wèn)題的優(yōu)化往往伴隨著目標(biāo)的約束,并且這些優(yōu)化問(wèn)題通常還是多目標(biāo)的,需要對(duì)多個(gè)目標(biāo)同時(shí)進(jìn)行優(yōu)化,即通常所講的多目標(biāo)優(yōu)化問(wèn)題(Multi-Objective Optimization Problem,MOP)。在目前,解決多目標(biāo)優(yōu)化問(wèn)題的方法有很多種,基本都是利用進(jìn)化智能優(yōu)化方法。
　　 本文詳細(xì)介紹了混洗蛙跳算法(Shuffle Frog Leaping Algorithm,SFLA)這一新興的群體智能優(yōu)化算法,而

2、且一并描述了經(jīng)典的遺傳算法(Genetic Algorithms,GA.)。在這兩種算法的基礎(chǔ)上提出對(duì)蛙跳算法的改進(jìn),提出遺傳.蛙跳算法(Genetic-Shuffle Frog LeapingAlgorithm,G—SFLA)。一方面,在蛙跳算法的子群進(jìn)化過(guò)程中融入遺傳算法的遺傳運(yùn)算,通過(guò)子群內(nèi)最優(yōu)解和最差解交叉產(chǎn)生新解如果好于最差解則代替原來(lái)的最差解,否則用整個(gè)種群的最優(yōu)解和本子群的最差解交叉產(chǎn)生的新解如果好于最差解則代替原來(lái)的最差