多目標最優(yōu)化進化算法.pdf

1、進化算法已成功應用于工程優(yōu)化、經濟管理、科學技術等諸多領域，進化算法作為處理復雜的函數最優(yōu)化、全局最優(yōu)化和多目標最優(yōu)化問題的一種有效算法，正日益受到人們的重視。本文對帶約束和不帶約束的多目標最優(yōu)化問題進行了研究，提出兩種新的進化算法，并給出了一種解點均勻性度量方法。 對復雜多目標最優(yōu)化問題，往往存在有效界面上一部分區(qū)域的點容易求而另些部分很難求出的情況。為求出有效界面上均勻分布的有效解，構造了動態(tài)的雜交變異概率，自適應調節(jié)雜交、

2、變異個體的數量和雜交變異算子，結合均勻設計的帶權重極大極小策略，得到了一種新的多目標進化算法。通過對已有測試函數的數值實驗和與MOEA/D和NSGA-Ⅱ算法數值結果的比較，表明了算法的有效性。 為了減少進化算法的計算量和提高算法的搜索效率，通過把多目標優(yōu)化問題的決策空間分為若干個小區(qū)域，使進化算子在各個小區(qū)域中的個體之間進行運算，不同小區(qū)域中的個體之間的信息交流通過產生的后代重新劃分到這些小區(qū)域中進行，提出了基于分區(qū)域搜索的多目

3、標進化算法。由于算法使用分區(qū)域搜索，其在每一代的計算復雜度比NSGA-Ⅱ和MSEA都要?。欢褂脦嘀氐臉O大極小策略作為適應值.有利于引導算法趨向在有效界面上均勻分布的解。同時提出了一種處理約束的簡單技術，使無約束多目標進化算法可直接用于求解約束多目標問題。通過測試復雜的多目標優(yōu)化問題，表明了算法的高效性。 此外，為了更好的度量解點均勻性問題，對已有的多目標進化算法的均勻性度量做了相應的分析，特別是對高維多目標優(yōu)化問題解的度量進