基于協(xié)同進(jìn)化的動(dòng)態(tài)多目標(biāo)優(yōu)化算法.pdf

1、在現(xiàn)實(shí)生活中,諸多領(lǐng)域都會(huì)涉及到許多靜態(tài)和動(dòng)態(tài)的優(yōu)化問(wèn)題,像是工程設(shè)計(jì)、網(wǎng)絡(luò)通信、資本預(yù)算、城市運(yùn)輸、數(shù)據(jù)挖掘等等,并且這些優(yōu)化問(wèn)題大多都是多目標(biāo)的。目前,已經(jīng)有大量成熟經(jīng)典的進(jìn)化算法來(lái)解決這些靜態(tài)多目標(biāo)優(yōu)化問(wèn)題。直到近幾年,動(dòng)態(tài)優(yōu)化問(wèn)題才引起越來(lái)越多研究者的興趣,其中大多數(shù)都是動(dòng)態(tài)單目標(biāo)優(yōu)化問(wèn)題,相比之下動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題的研究成果卻并不多,這主要是因?yàn)榻鉀Q動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題具有很大的挑戰(zhàn)性。
　　基于上述背景,本文提出了基于協(xié)

2、同進(jìn)化的動(dòng)態(tài)多目標(biāo)優(yōu)化算法。本文的具體工作如下:
　　1.提出了一種基于多粒子群協(xié)同的動(dòng)態(tài)多目標(biāo)優(yōu)化算法。算法中,粒子群的個(gè)數(shù)由目標(biāo)函數(shù)的個(gè)數(shù)來(lái)決定,有幾個(gè)目標(biāo)函數(shù)就有幾個(gè)粒子群。粒子群間通過(guò)共享檔案信息來(lái)進(jìn)行協(xié)同進(jìn)化。為了提高算法的性能,對(duì)粒子速度更新公式進(jìn)行了改進(jìn)以及對(duì)粒子進(jìn)行邊界約束,確保了算法快速的收斂性能。相似性檢測(cè)算子來(lái)對(duì)環(huán)境進(jìn)行檢測(cè),相應(yīng)的動(dòng)態(tài)機(jī)制來(lái)改善算法的多樣性。與三種動(dòng)態(tài)多目標(biāo)優(yōu)化算法進(jìn)行了比較,實(shí)驗(yàn)證明該算法

3、具有不錯(cuò)的性能。
　　2.提出了一種基于合作型協(xié)同進(jìn)化的動(dòng)態(tài)多目標(biāo)優(yōu)化算法。算法中,采用“分而治之”的思想將問(wèn)題分解,根據(jù)決策變量的搜索空間分為不同的種群,種群間通過(guò)相互受益、相互制約、相互協(xié)同、共同進(jìn)化的方法來(lái)尋找最優(yōu)解集,從而提高算法的收斂性。利用相似性檢測(cè)算子來(lái)檢測(cè)環(huán)境的改變,當(dāng)環(huán)境發(fā)生改變后,改進(jìn)的預(yù)測(cè)策略起作用。新的初始種群大部分選用線性回歸的預(yù)測(cè)模型產(chǎn)生,少部分隨機(jī)產(chǎn)生,從而提高算法的多樣性。實(shí)驗(yàn)結(jié)果表明,基于非支配排