多目標進化算法中變異算子的研究.pdf

1、現(xiàn)實生活中的許多實際問題,都是對多個目標的同時優(yōu)化,同時這些問題通常又是高度復雜的,非線性的。通常稱這類問題為多目標優(yōu)化問題。多目標進化算法(Multi-Objective EvolutionaryAlgorithms,MOEAs)非常的適合于求解這類的問題,已成為多目標優(yōu)化問題的主流解決方法之一。近年來,研究者們針對不同的應用問題,提出了自己的多目標進化算法,比較有代表性算法有:NSGA-Ⅱ,SPEA2,PESA-Ⅱ等。
　　變

2、異算子在進化算法中起著非常重要的作用,研究者做了大量的理論和實驗研究。進化算法通過引入變異算子,使算法具有一定的局部隨機搜索能力,一方面,在求解的后期,加速向最優(yōu)解收斂,另一方面維持解的多樣性。然而,在多目標進化算法中,研究者們的注意力主要集中在構造非支配集、適應度賦值、種群維護等問題上,關于多目標進化算法中的基本進化操作算子的研究不多,特別是變異算子,大多使用Deb提出來的多項式變異算子。
　　本文針對多目標進化算法中的變異算子

3、展開研究,主要工作包括以下兩個方面:
　　第一,將單目標進化算法和進化策略中一些有效的變異算子引入多目標進化算法,然而,多目標優(yōu)化與單目標優(yōu)化在求解問題的規(guī)模、最優(yōu)解的數(shù)量等方面有很大的差異,頻繁的變異越界操作導致種群多樣性的喪失,提出了一種適應于多目標環(huán)境的變異越界處理策略以維護種群的多樣性,成功的將這些變異算子應用到多目標進化優(yōu)化問題中,最后通過一組實驗比較了它們的收斂性能。
　　第二,提出一種改進的變異和分布性保持策略