基于組合算法的多目標優(yōu)化研究.pdf

1、科學(xué)領(lǐng)域的研究和工程應(yīng)用的實踐中有著許多與多目標優(yōu)化有關(guān)的問題,如區(qū)域的交通管理、樓房建設(shè)的規(guī)劃、物質(zhì)資源的利用、金融資本的流通等。所以對多目標優(yōu)化問題的求解算法進行研究有著十分重要的意義和作用。由于各個目標函數(shù)彼此間存在沖突的原因,使得多目標優(yōu)化問題的最優(yōu)解并不唯一,即無法找到一個使所有目標函數(shù)都為最優(yōu)的解,這樣就使得對多目標優(yōu)化問題的求解具有很大的困難。雖然學(xué)者們已經(jīng)提出了許多能夠?qū)Χ嗄繕藘?yōu)化問題進行求解的算法,但只是單一的使用這些

2、算法來求解仍然難以滿足多目標優(yōu)化領(lǐng)域各方面的需求。本文將粒子群優(yōu)化算法、差分進化算法、分布估計算法混合使用,提出了兩種組合多目標優(yōu)化算法。
　　首先針對粒子群優(yōu)化算法在求解多目標優(yōu)化問題時,容易陷入局部極值的現(xiàn)象,提出了一種組合粒子群和差分進化的多目標優(yōu)化算法,使用粒子群優(yōu)化算法和差分進化算法共同產(chǎn)生新粒子,通過一個判斷因子控制兩種算法的使用比例,并對粒子群優(yōu)化算法的速度更新公式進行了改變,以提高搜索效率。通過6個測試函數(shù)進行了仿

3、真實驗,并同NSGA-Ⅱ、σ-MOPSO、NSPSO和MOPSO進行了比較。實驗結(jié)果表明該算法求得的Pareto解集收斂性和多樣性好,并且算法穩(wěn)定性高,運行速度快。
　　然后將分布估計和差分進化兩種算法相結(jié)合,提出了一種組合分布估計和差分進化的多目標優(yōu)化算法。種群中的粒子是通過分布估計與差分進化兩種算法共同生成的,每個粒子的生成方式通過選擇因子來決定,并且根據(jù)優(yōu)化時期來調(diào)整兩種算法的選用比例。在尋優(yōu)初期,通過分布估計算法來實現(xiàn)快速