基于膜計算模型的多目標優(yōu)化算法研究.pdf

1、膜計算作為自然計算的一個分支，其目的是從生物細胞的結構與功能中以及從器官和組織等細胞群的協(xié)作中，抽象出計算模型。膜計算模型被稱為膜系統(tǒng)，也叫做P系統(tǒng)，具有良好的并行性、分布性和非確定性等特點?，F(xiàn)在膜計算已經廣泛的應用到眾多的優(yōu)化領域中。因此，膜計算是一個具有重要理論意義和現(xiàn)實價值的研究課題。
　　多目標優(yōu)化問題廣泛存在于科學研究和工程應用中，這些目標之間往往相互沖突。目前有很多自然啟發(fā)的算法來解決這個問題，如遺傳算法、粒子群優(yōu)化算

2、法和基于P系統(tǒng)的優(yōu)化算法等。在這些方法中，因膜計算模型在解決優(yōu)化問題時能提供豐富的框架，基于P系統(tǒng)的優(yōu)化算法儼然成了當前的研究熱點?；诖耍疚膶δび嬎氵M行了深入的研究，提出了兩種在膜計算模型下的多目標優(yōu)化算法:
　　(1)提出了基于表層膜指導的低維多目標膜優(yōu)化算法。膜計算作為自然計算的一個分支，在單目標問題方面已經取得了一定的研究成果，但是在多目標問題上還有待挖掘。對于目前的基于膜計算模型的多目標優(yōu)化算法中，很多算法都把表層膜作

3、為一個歸檔，存儲搜索過程中的最優(yōu)解。但它們都忽略了利用表層膜存儲的最優(yōu)解來指導內部膜種群的進化。因此本文提出了一個有效的表層膜指導策略，利用表層膜保存的好的解來指導內部膜種群的進化，可以加速種群的收斂，并且這種策略同時考慮到種群的收斂性和分布性?；谠摬呗蕴岢鲆环N基于表層膜指導的多目標膜優(yōu)化算法，簡稱SMG-MOMA。在多目標測試問題ZDT和DTLZ上進行仿真實驗，并與已有經典的多目標進化算法和多目標膜算法作比較，SMG-MOMA算法可

4、以很好地收斂到真實的Pareto前沿面，是一種有效的多目標優(yōu)化算法。
　　(2)提出了基于表層膜指導的高維多目標膜算法。由于膜計算模型在解決優(yōu)化問題時能夠提供豐富的框架，使得其在多目標優(yōu)化方面有獨特的優(yōu)勢。但是在目標超過三個的多目標優(yōu)化問題上，還沒有相關的膜算法來嘗試解決該問題。雖然SMG-MOMA算法證明了表層膜指導策略在種群進化過程中起到了很大的作用。但隨著目標的越來越多時，該指導策略無法進行更有效的指導分配。所以，本文提出了