融入偏好區(qū)域的高維多目標(biāo)集合進(jìn)化優(yōu)化.pdf

1、高維多目標(biāo)優(yōu)化問題（MaOPs）在現(xiàn)實(shí)生活中普遍存在，且非常重要，由于其包含的目標(biāo)函數(shù)較多，使得該問題的求解非常困難。目前，MaOPs已成為多目標(biāo)進(jìn)化優(yōu)化領(lǐng)域的研究熱點(diǎn)之一，其中，基于性能指標(biāo)的集合進(jìn)化優(yōu)化算法是求解MaOPs的一種有效方法。此外，決策者的偏好可以有效縮小搜索區(qū)域，增加優(yōu)化解的選擇壓力，并且可以引導(dǎo)種群的進(jìn)化，提高M(jìn)aOPs求解的效率。鑒于此，本文研究融入偏好區(qū)域的高維多目標(biāo)集合進(jìn)化優(yōu)化方法。
　　首先，針對高維多

2、目標(biāo)優(yōu)化問題，提出一種偏好區(qū)域引導(dǎo)的高維多目標(biāo)集合進(jìn)化優(yōu)化方法。在集合進(jìn)化框架下，首先，基于成就標(biāo)量函數(shù)提出一種動態(tài)確定高維目標(biāo)空間中偏好區(qū)域的方法；然后，基于確定的偏好區(qū)域，給出融入偏好區(qū)域的高維多目標(biāo)集合進(jìn)化優(yōu)化算法框架。以基準(zhǔn)優(yōu)化問題為例，通過實(shí)驗(yàn)所得的結(jié)果，驗(yàn)證了所提確定偏好區(qū)域方法的合理性和有效性。
　　其次，針對上面提出的融入偏好區(qū)域的高維多目標(biāo)集合進(jìn)化優(yōu)化算法框架，給出具體實(shí)現(xiàn)，提出一種基于偏好區(qū)域集合個體比較和偏好

3、區(qū)域引導(dǎo)交叉的高維多目標(biāo)集合進(jìn)化優(yōu)化方法。該方法基于集合Pareto占優(yōu)和偏好區(qū)域，設(shè)計(jì)集合進(jìn)化個體比較策略；此外，基于集合進(jìn)化個體與偏好區(qū)域在目標(biāo)空間中的位置關(guān)系，提出了偏好區(qū)域引導(dǎo)的集合進(jìn)化個體交叉策略。將所提方法應(yīng)用于基準(zhǔn)高維目標(biāo)優(yōu)化問題，并與其它2種典型的方法對比，實(shí)驗(yàn)結(jié)果表明了所提方法的優(yōu)越性。
　　然后，在偏好區(qū)域引導(dǎo)的集合個體比較和交叉的基礎(chǔ)上，進(jìn)一步考慮偏好信息在變異算子中的引導(dǎo)作用，提出一種基于偏好區(qū)域引導(dǎo)變異的

4、高維多目標(biāo)集合進(jìn)化優(yōu)化。該方法在集合進(jìn)化優(yōu)化的框架下，以當(dāng)前代位于偏好區(qū)域內(nèi)的最優(yōu)解集為導(dǎo)向，通過自適應(yīng)的高斯擾動，引導(dǎo)種群朝偏好區(qū)域內(nèi)的最優(yōu)解集方向變異。將所提方法應(yīng)用于基準(zhǔn)高維多目標(biāo)優(yōu)化問題，并與其它3種方法比較，實(shí)驗(yàn)結(jié)果表明了所提方法的優(yōu)越性。
　　最后，以汽車駕駛室設(shè)計(jì)優(yōu)化問題為應(yīng)用對象，對實(shí)際的高維多目標(biāo)優(yōu)化問題進(jìn)行分析，并將前面所提的進(jìn)化優(yōu)化方法用于求解該實(shí)際工程設(shè)計(jì)問題。通過實(shí)驗(yàn)比較了不同的方法求解該問題的性能，實(shí)驗(yàn)