基于DE和NSGA-Ⅱ的進(jìn)化多目標(biāo)優(yōu)化算法及應(yīng)用.pdf

1、從上世紀(jì)60年代開始，多目標(biāo)問題吸引了越來越多不同背景研究人員的注意力。多目標(biāo)優(yōu)化問題在現(xiàn)實(shí)世界中的普遍存在性以及求解的困難性，促使人們付出了很多精力來尋求解決的方法。
　　進(jìn)化多目標(biāo)優(yōu)化(EMO)算法是近年來發(fā)展起來的一種利用進(jìn)化計(jì)算方法求解多目標(biāo)優(yōu)化問題的新的優(yōu)化算法，而隨著進(jìn)化算法的提出和研究的不斷深入，使得其作為解決多目標(biāo)優(yōu)化問題的新方法受到了相當(dāng)?shù)年P(guān)注，并逐步發(fā)展成為有效解決多目標(biāo)優(yōu)化問題的重要技術(shù)。
　　本文首先

2、對(duì)國內(nèi)外進(jìn)化多目標(biāo)領(lǐng)域的研究現(xiàn)狀和研究方法進(jìn)行了總結(jié)，接著詳細(xì)介紹了DE算法和NSGA-II算法的原理和具體流程，并據(jù)此提出了一種基于DE和NSGA-II的進(jìn)化多目標(biāo)優(yōu)化算法。該算法在DE算法和NSGA-II算法的理論基礎(chǔ)上，保留了NSGA-II的快速非支配排序和種群多樣性保持策略，利用差分方式取代NSGA-II中的模擬二進(jìn)制交叉和多項(xiàng)式變異操作，從而產(chǎn)生子代個(gè)體。在第三章和第四章中，我們把本文提出的算法應(yīng)用到多目標(biāo)聚類及圖像分割任務(wù)上