基于遗传算法多目标问题求解方法.pdfVIP

水 利 学 报 2003 年07 月 SHUILI XUEBAO 第7 期 文章编号：0559-9350 (2003) 07-0064-06 基于遗传算法的多目标问题求解方法 1 2 2 游进军 ，纪昌明 ，付湘 (1.中国水利水电科学研究院 水资源研究所，北京 100044；2.武汉大学 水利水电学院，湖北 武汉 430072) 摘要：寻求非劣解集是多目标决策的基本手段。已有成熟的非劣解生成技术本质上都是以标量优化的手段通过多次计算 得到非劣解集。目前遗传算法在多目标问题中的应用方法多数是根据决策偏好信息，先将多目标问题标量化处理为单目 标问题后再以遗传算法求解，仍然没有脱离传统的多目标问题分步解决的方式。在没有偏好信息条件下直接使用遗传算 法推求多目标问题的非劣解集的研究尚不多见。 关键字：多目标规划；遗传算法；优化技术；水库调度 中图分类号：TV697 文献标识码：A 遗传算法(Genetic Algorithm, GA)是一种以随机理论为基础的模仿生物进化的搜索方法。近年来， 遗传算法在各个科学领域得到广泛运用，在求解一些复杂优化问题已显示出强大能力，具有广泛的适应性。 国内已经有学者在不同领域研究了遗传算法在多目标问题中的应用［1-3］。国内学者在水库优化调度领域应 用遗传算法也取得了一些成果［4-6］ ［7］ 。对于水库多目标优化调度的遗传算法求解也有学者作了尝试 。本文 根据遗传算法每代均产生大量可行解和隐含的并行性这一特点，设计了一种基于排序的表现矩阵测度可行 解对所有目标总体表现好坏的向量比较方法，并通过在个体适应度定标中引入该方法，控制优解替换和保 持种群多样性，采用自适应变化的方式确定交叉和变异概率，设计了多目标遗传算法(Multi 　Objective Genetic Algorithm, MOGA)。该算法通过一次计算就可以得到问题的非劣解集，简化了多目标问题的优化 求解步骤。 1 多目标遗传算法的思路和步骤 1.1 设计思路 多目标问题中在没有给出决策偏好信息的前提下，难以直接衡量解的优劣，这是遗传算 法应用到多目标问题中的最大困难。根据遗传算法中每一代都有大量的可行解产生这一特点，我们考虑通 过可行解之间相互比较淘汰劣解的办法来达到最后对非劣解集的逼近。 考虑一个n 维的多目标规划问题，且均为目标函数最大化，其劣解可以定义为： * f (x)≤f (x) i=1，2，……，n (1) i i t ［8］ 且式(1)至少对一个i 取“＜”。即至少劣于一个可行解的x 必为劣解 。 对于遗传算法中产生大量的可行解，我们考虑对同一代中的个体基于目标函数相互比较，淘汰掉确定的劣 解，并以生成的新解予以替换。经过数量足够大的种群一定次数的进化计算，可以得到一个接近非劣解集 前沿面的解集，在一定精度要求下，可以近似的将其作为非劣解集。 收稿日期：2002-06-26 基金项目：国家自然科学基金重大项目；湖北省自然科学基金项目(2001ABB042)；国家自然科学青年基金项目 64 水 利 学 报 2003 年07 月 SHUILI XUEBAO