求解Pareto Front多目標(biāo)遺傳算法的研究.pdf

1、遺傳算法是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的一種新的迭代的全局優(yōu)化搜索算法,已經(jīng)廣泛地應(yīng)用到組合優(yōu)化問題求解、自適應(yīng)控制、規(guī)劃設(shè)計(jì)、機(jī)器學(xué)習(xí)和人工生命等領(lǐng)域.由于現(xiàn)實(shí)世界中存在的問題往往呈現(xiàn)為多目標(biāo)屬性,而且需要優(yōu)化的多個(gè)目標(biāo)之間又是相互沖突的,從而多目標(biāo)遺傳算法應(yīng)運(yùn)而生,它使得進(jìn)化群體并行搜尋多個(gè)目標(biāo),并逐漸找到問題的最優(yōu)解.該文對近十五年來多目標(biāo)遺傳算法的國內(nèi)外研究現(xiàn)狀進(jìn)行了較全面地闡述,其優(yōu)化方法大致分為兩大類:帶參數(shù)

2、的方法和不帶參數(shù)的方法.帶參數(shù)的方法主要存在著參數(shù)難以選擇及過于依賴參數(shù)的選擇等問題,不帶參數(shù)的方法主要存在著速度比較慢的問題.為此,該文的研究主要就是從提高尋找非支配集的速度,在保持群體原有特性的前提下降低非支配集的大小,以及新群體的構(gòu)造等方面入手,通過基于分類和聚類的方法,有效提高多目標(biāo)遺傳算法總體運(yùn)行效率,降低其計(jì)算復(fù)雜性,使多目標(biāo)遺傳算法的收斂性能得到進(jìn)一步改善.該文以NSGA-Ⅱ?yàn)榛鶞?zhǔn),對算法進(jìn)行了改進(jìn),具體提出了:用排除法構(gòu)