多目標元胞遺傳算法的改進研究及其在工程優(yōu)化中的應用.pdf

1、　　在實際工程問題中,絕大多數(shù)優(yōu)化問題都是多目標優(yōu)化問題。一般傳統(tǒng)的數(shù)學規(guī)劃算法已經(jīng)不能滿足日益復雜的數(shù)學優(yōu)化模型的需要,而多目標進化算法為解決此類問題提供了行之可效的方法。在面臨復雜的多目標NP問題時,目前的一些主流多目標進化算法 NSGA-II、SPEA2 等在收斂性能方面具有很好的優(yōu)勢,但是在多樣性方面仍然具有提升的空間。最近興起的多目標元胞遺傳算法以其良好的收斂性和多樣性能引起了學者的關(guān)注,該種算法結(jié)合了遺傳算法具有全局探索優(yōu)點

2、和元胞自動機具有局部尋優(yōu)的特點,在一定程度上很好的平衡了算法的全局探索和局部尋優(yōu)的能力,并通過實驗驗證了多目標元胞遺傳算法的優(yōu)越性。但是元胞遺傳算法涉及了一些人為設置的參數(shù),諸如鄰居結(jié)構(gòu),該參數(shù)的設置對算法的性能起著決定性的作用。為了更好的適應各類不同的問題,針對現(xiàn)有多目標元胞遺傳算法存在鄰居單一的問題,改進了多目標元胞遺傳算法。
　　改進的多目標元胞算法在經(jīng)典多目標元胞遺傳算法基礎上融入了自適應鄰居結(jié)構(gòu)技術(shù),形成了一種多目標自

3、適應元胞遺傳算法(AMOCell)。這種技術(shù)能使算法隨著進化代數(shù)的增加,動態(tài)地改變元胞鄰居的結(jié)構(gòu),以便找到一個符合個體自身發(fā)展的鄰居結(jié)構(gòu),最終使算法在全局探索和局部尋優(yōu)中達到一個平衡。通過與其它多目標進化算法在基準測試函數(shù)對比分析,表明新算法在絕大多數(shù)問題中,具有良好的收斂性和擴展性。
　　為了進一步檢驗改進的多目標元胞遺傳算法的效果,將改進后的算法在工程實踐問題中進行了應用。采用AMOCell、NSGA-II、MOCell三種