混合適應值分配多目標進化算法及其應用研究.pdf

1、進化算法是一種模擬自然界生物進化過程的啟發(fā)式搜索算法。近年來,利用進化算法處理多目標優(yōu)化問題已經(jīng)成為進化計算領域的一個研究熱點。為此,本論文圍繞影響多目標進化算法的收斂性和最終解集的分布性的主要因素展開研究。主要研究工作包括:
　　 (1)如何進行適應值分配是影響多目標進化算法收斂性的關鍵因素。因此,本文對多目標進化算法在發(fā)展歷程中出現(xiàn)的各種適應值分配方案進行了總結分析,這些適應值分配方案大體分為基于Pareto支配的方法和非基

2、于Pareto支配的方法。兩類方法各有特點和優(yōu)勢,但也各自具有一些局限性。因此單獨使用某一個適應值分配方法無法克服各自的局限性。在此基礎上提出了一種混合適應值分配的多目標進化算法,將算法的搜索過程細化為兩個階段,根據(jù)不同階段的特點分別使用不同的適應值分配方法。合理地利用了兩種方法的互補性,彌補了各自的局限性。并通過實驗對此方法進行了驗證,結果表明了算法的有效性。
　　 (2)為了提高算法最終解集的分布性,本文總結分析了當前幾種廣

3、泛使用的非支配解集的更新機制。傳統(tǒng)的修剪策略可能造成進化前沿退化,目前松弛的Pareto支配容易丟失代表性個體。通過對各個支配概念的占優(yōu)區(qū)域進行分析,本文提出了一種更為合理劃分占優(yōu)區(qū)域的γ支配概念。對使用此支配概念更新的非支配解集的收斂性進行了證明,并通過實驗驗證了此更新策略獲得的解集具有良好的分布性。
　　 (3)電力系統(tǒng)調度中將氣體排放量和經(jīng)濟成本綜合考慮形成了一個多目標優(yōu)化問題,即電力環(huán)境/經(jīng)濟調度問題。本文將混合適應值分