改進(jìn)遺傳算法在多目標(biāo)問(wèn)題上的應(yīng)用研究.pdf

1、遺傳算法通過(guò)模擬生物自適應(yīng)選擇過(guò)程和自適應(yīng)進(jìn)化過(guò)程，通過(guò)不斷迭代逼近最優(yōu)解，可以將其用于求解高度復(fù)雜的非線性最優(yōu)值問(wèn)題。在對(duì)復(fù)雜的單目標(biāo)問(wèn)題進(jìn)行求解時(shí)，遺傳算法表現(xiàn)出了良好的優(yōu)化性能。然而，現(xiàn)實(shí)中的優(yōu)化問(wèn)題總是具有多個(gè)目標(biāo)的。這些被優(yōu)化的目標(biāo)之間并不能同時(shí)達(dá)到最優(yōu)，而是相互沖突，相互抑制。為了達(dá)到各個(gè)目標(biāo)的均衡最優(yōu)化，通常需要增大某一目標(biāo)的值以降低其他目標(biāo)的值。多目標(biāo)遺傳算法在優(yōu)化多目標(biāo)問(wèn)題時(shí)具有良好的效果，這些典型的多目標(biāo)遺傳算法包括

2、向量評(píng)估遺傳算法，小生境pareto遺傳算法，非劣分類(lèi)遺傳算法和pareto存檔進(jìn)化策略等。
　　本文在簡(jiǎn)單遺傳算法的理論基礎(chǔ)上，設(shè)計(jì)了兩類(lèi)改進(jìn)的遺傳算法用于多目標(biāo)問(wèn)題求解，主要工作及研究成果如下：
　　(1)設(shè)計(jì)了一種引入外部非劣檔案的多目標(biāo)遺傳算法。簡(jiǎn)單多目標(biāo)遺傳算法在優(yōu)化多目標(biāo)問(wèn)題時(shí)，優(yōu)化過(guò)程會(huì)陷入局部最優(yōu)，不能求出全局范圍內(nèi)的其他最優(yōu)解。本算法先通過(guò)權(quán)值分配，求出多目標(biāo)優(yōu)化問(wèn)題凸部分的全局最優(yōu)解，將這些全局最優(yōu)解作為

3、初始種群的一部分，隨其他隨機(jī)個(gè)體一同進(jìn)行遺傳過(guò)程的選擇、交叉、變異。在不斷的迭代過(guò)程中，優(yōu)秀的隨機(jī)個(gè)體會(huì)搜索到非凸部分的最優(yōu)個(gè)體，最優(yōu)非劣個(gè)體會(huì)淘汰體質(zhì)較弱的隨機(jī)個(gè)體。針對(duì)函數(shù)ZDT1，ZDT2，ZDT3，ZDT4，ZDT6進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法，相較于NMOGA[1]算法，在解集的覆蓋度和均勻度上更有優(yōu)勢(shì)。
　　(2)設(shè)計(jì)了一種基于信息熵的多目標(biāo)遺傳算法。該算法在傳統(tǒng)的NSGA-2算法的基礎(chǔ)上加以改進(jìn)，在遺傳操作開(kāi)