多目標(biāo)進(jìn)化算法中精英種群構(gòu)建和子代個(gè)體產(chǎn)生的研究.pdf

1、多目標(biāo)進(jìn)化算法是將進(jìn)化計(jì)算的技術(shù)應(yīng)用于多目標(biāo)優(yōu)化領(lǐng)域而形成的一類智能計(jì)算方法。該算法一次運(yùn)行可以得到一組折中解，具有較高的效率，而且能夠有效的避免陷入局部最優(yōu)，因此逐漸成為解決多目標(biāo)優(yōu)化問題的一種重要方法，在工程實(shí)踐和科學(xué)研究中得到了廣泛的應(yīng)用。
　　 精英種群的構(gòu)建和子代個(gè)體的產(chǎn)生，是多目標(biāo)進(jìn)化算法的兩個(gè)關(guān)鍵部分，圍繞這兩個(gè)方面，科研人員進(jìn)行了深入的研究，取得了大量的學(xué)術(shù)成果。本文在國內(nèi)外現(xiàn)有研究成果的基礎(chǔ)上，針對當(dāng)前多目標(biāo)進(jìn)

2、化算法研究中的一些不足，完成了如下3方面的工作：
　　 （1）針對常用測試問題中存在的缺陷提出了修改方案，避免了原有測試問題在定義域邊界取得最優(yōu)解的問題，另外，使部分測試問題的分量間存在關(guān)聯(lián)，增加了問題的難度，從而可以更好地考察算法的搜索能力。
　　 （2）針對現(xiàn)有算法在精英種群構(gòu)建方面的不足，本文提出了基于空間網(wǎng)格的精英種群構(gòu)建策略，該策略先選出當(dāng)前種群中的非支配個(gè)體，再利用設(shè)定了邊長的空間網(wǎng)格對這些非支配個(gè)體進(jìn)一步篩

3、選，以獲得較好的多樣性。這種策略的優(yōu)勢在于：（Ⅰ）僅保留當(dāng)前種群中的非支配個(gè)體，減少了選擇過程中的時(shí)間開銷；（Ⅱ）借助給定邊長的空間網(wǎng)格對非支配個(gè)體進(jìn)行篩選，限制了個(gè)體間的擁擠程度，有利于保持種群的多樣性；（Ⅲ）子代種群全部由當(dāng)前種群中的非支配個(gè)體產(chǎn)生，使得質(zhì)量優(yōu)秀的個(gè)體有更多的機(jī)會產(chǎn)生子代個(gè)體，這有利于提高種群的進(jìn)化效率。將新的精英種群構(gòu)造策略與傳統(tǒng)的子代個(gè)體產(chǎn)生方法相結(jié)合，得到了基于空間網(wǎng)格的多目標(biāo)進(jìn)化算法。實(shí)驗(yàn)結(jié)果表明，新算法能夠

4、在較短的時(shí)間內(nèi)，獲得優(yōu)于一些經(jīng)典算法的求解效果，從而驗(yàn)證了新策略的有效性。
　　 （3）針對子代個(gè)體產(chǎn)生方面的不足，本文提出了分量強(qiáng)調(diào)機(jī)制，把單個(gè)分量看作是造成個(gè)體間差異的基本單位，在交叉、變異中，對單個(gè)分量逐個(gè)進(jìn)行計(jì)算，并結(jié)合（1+1）進(jìn)化策略，保證了質(zhì)量較好的單個(gè)分量能夠以較大的概率得到保留。論文根據(jù)分量強(qiáng)調(diào)機(jī)制設(shè)計(jì)了一對交叉變異算子，并將這對算子與經(jīng)典的精英種群構(gòu)建策略結(jié)合，得到了一個(gè)新的多目標(biāo)進(jìn)化算法。實(shí)驗(yàn)結(jié)果表明，新算