基于梯度擁擠度的多樣性保持策略的MOEAs研究.pdf

1、多目標(biāo)優(yōu)化問題一直是科學(xué)領(lǐng)域和工程研究領(lǐng)域中的熱點(diǎn)問題。在過去二十年當(dāng)中，由于演化算法的出現(xiàn)，多目標(biāo)演化算法已經(jīng)成為多目標(biāo)優(yōu)化問題中的熱點(diǎn)。在多目標(biāo)問題中，各子目標(biāo)之間相互沖突，對(duì)一個(gè)子目標(biāo)的優(yōu)化往往以其他子目標(biāo)的性能降低為代價(jià)，問題的解往往是一個(gè)解集。為了在多個(gè)目標(biāo)間得到較優(yōu)的解，因而要考慮一些折衷解方案。如何使算法得到的解盡量接近Pareto最優(yōu)前端且分布均勻是求解多目標(biāo)優(yōu)化問題的關(guān)鍵。因此，在設(shè)計(jì)多目標(biāo)演化算法時(shí)，維持種群的多樣性

2、對(duì)獲得多目標(biāo)優(yōu)化問題解的收斂性至關(guān)重要。本文主要研究基于多樣性保持策略的多目標(biāo)演化算法。 本文首先介紹了多目標(biāo)優(yōu)化問題的研究背景、現(xiàn)狀和研究意義：然后，著眼于種群多樣性的研究，對(duì)現(xiàn)有多樣性的保持策略，特別是密度估計(jì)方法進(jìn)行了系統(tǒng)的介紹與分析；在此基礎(chǔ)上，提出了一種梯度擁擠度的評(píng)價(jià)策略，稱為Gradient Crowding策略，用于選擇過程中非劣解集的縮減，以此來(lái)保證解的均勻、廣泛分布，達(dá)到維持種群多樣性的目的；接著，借助信息論

3、中“熵”的概念，定義了熵的度量方法，并用這種方法對(duì)所提出的策略進(jìn)行詳細(xì)的驗(yàn)證與分析。給出了一種基于梯度擁擠度的多樣性保持策略的多目標(biāo)演化算法。在算法的設(shè)計(jì)中，分別對(duì)初始化和選擇過程進(jìn)行了多樣性的處理。在初始化過程中，求解多目標(biāo)問題的一般算法大都采用隨機(jī)初始種群的策略，而本文設(shè)計(jì)的多樣化初始策略是在隨機(jī)產(chǎn)生種群的基礎(chǔ)上做了多樣化處理，使得整個(gè)種群在初始化時(shí)就維持在一個(gè)較為均勻的分布狀態(tài)；在選擇過程中，又將Gradient Crowding