基于正交设计的动态多目标优化毕业论文.docxVIP

基于正交设计的动态多目标优化（文献仿真）摘 要目前关于处理动态多目标优化问题的文献还比较少。本文介绍了一种动态正交多目标进化算法，称之为“DOMOEA”，本算法是把之前工作中提出的正交多目标优化算法“OMOEA-II”[1]推广至动态的环境中。DOMOEA解决一类特定的动态多目标优化问题，即具有连续决策变量的问题。本算法利用每次环境变化之前的进化结果，作为每次环境变化之后的初始种群。它应用了“正交设计”方法，来增强两次连续的环境变化之间的静态环境中的种群适应度。本算法对于文献[4]中提出的测试函数都能得到满意的结果。本算法是基于普通的不能检测环境变化的进化算法。因此，它具有相对简单的结构，相对于其他的动态多目标进化算法较为简单。关键词进化算法 正交设计 动态多目标优化 Pareto最优解集 Pareto最优前端1 引 言很多研究者都研究了静态多目标优化，并且得到了很好的结果。然而，现实生活中存在很多其他问题，包括根据时间变化（实时）多目标优化问题，即目标函数、界限、决策变量都随时间变化，因此需要优化过程的一个迭代。目前已经有一些文献来解决这些问题[2][3][4]。Farina等人[4]对当前的对于动态多目标优化的研究做了一个简明的回顾，设计了一组测试问题，创造了一个动态多目标优化算法，并用它解决了一个动态控制问题。这个算法[4]包括环境变化的检测，并假设在环境再次改变之前可以得到