基于聚類的多目標進化算法及其在航跡規(guī)劃中的應用.pdf

1、現(xiàn)實生活中，人們經常會遇到很多具有多個約束條件、多個決策變量、高度非線性等特征的復雜多目標優(yōu)化問題。由于傳統(tǒng)的基于聚合技術的優(yōu)化方法在求解這些實際問題的時候會遇到很多困難，因此基于自然啟發(fā)的進化算法獲得了廣泛的關注和青睞。多目標進化算法不依賴待求解問題的性質，并且可以一次給出多個供選擇的解，因此得到了快速發(fā)展。
　　本文簡要介紹了多目標進化算法的發(fā)展歷程以及發(fā)展現(xiàn)狀，指出了現(xiàn)在的一些發(fā)展趨勢，結合機器學習算法以改進算法的能力，通過

2、在一個算法中結合多種重組算子來爭取獲得求解能力更好的進化算法。
　　提出了一種基于聚類的多目標進化算法。該算法在聚類的基礎上對解個體建立局部高斯模型，通過采樣的方法來產生新解，從而實現(xiàn)對決策空間進行搜索的目的。并對該算法的求解能力進行了實驗和對比研究，證明了算法求解能力的優(yōu)越性，而且還對算法進行了靈敏度分析。
　　在前面算法的基礎上進行了改進，提出了一種基于聚類的多算子多目標進化算法，在算法中融入了三種不同的重組算子，并引入