面向多目标优化问题遗传算法理论及应用研究.pdf

中文摘要 多目标优化问题一直是科学和工程研究领域的一个难题和热点问题，在遗传 算法应用到这一领域以前，已经产生了许多经典的方法。经典方法在处理大维数、 多模态等复杂问题上存在许多不足。多目标遗传算法具有处理大的问题空间的能 力，在一个进化步内可以得到多个可行解曲面，对问题域的先验知识没有要求， 对函数定义域的凸性不敏感。这正是经典算法所不具备的。所以，应用遗传算法 求解多目标优化问题，是这一领域的发展趋势。 本文在广泛深入地查阅国内外文献的基础上，对遗传算法及其面向多目标优 化问题的基础理论和基本方法进行了深入的理论研究和实验分析，主要内容如 下： 1． 系统、详尽地介绍了遗传算法的一般流程和基本理论、方法，以及面向 多目标优化问题的遗传算法的基本理论和方法。对经典的方法进行了全面的分析 和比较，指出了经典方法的应用范围、成功实例、不足之处，并在此基础之上提 出了几种改进的算法。首次揭示了自组织现象和遗传算法之间的潜在的联系和他 们之间在方法上的共同之处，并且把自组织的理论引入到遗传算法中来，利用自 组织的理论和方法来分析和解决遗传算法的问题。将有关热力学的理论应用于遗 传算法，使得遗传算法的算子取值更加明确，丰富了遗传算法的理论和方法。 2． 对求解复杂优化问题(高维、大尺度、多模态)的遗传算法进行了专题 讨论，在分析比较几种求解复杂优化问题的遗传算法的基础上，提出了一种高效、 高精度的求解多模态问题的遗传算法一ScGA，并且通过实验加以验证，实验结 果表明，ScGA在文中给出的几类问题上的解要优于其它对照算法。对面向多目 标优化问题的遗传算法的算子的性能和取值问题作了初步的探索，分析了NSGA 的算子在不同取值情况下的收敛精度和收敛速度，对结果进行了详尽的比较和分 析，在此基础上得到了一个初步的实验结果，对于NSGA的算子选取具有一定 的指导意义。提出了一种基于耗散结构的临界自组织的遗传算法，实验结果表明， 这种改进算法具有高效、高精度、适用范围广等优点。 3． 提出了三种新的多目标遗传算法，分别从三个不同的方面对遗传算法进 行了改进，三种算法分别是采用模糊偏好、采用排序、采用变权重等方法与遗传 算法相结合，使得遗传算法的求解结果的实际应用价值得到了提高，对于复杂优 化问题的求解效率更高。实验结果表明，新的算法具有更好效果。 4． 分析了博弈论、协同进化以及增广Lagrangian方法的基本思想和方法， 研究了两种基于博弈论的遗传算法，提出了可用于求解多目标优化问题的算法形 式。两种算法从解的精度和分布方面对原有算法进行了改进，实验结果表明，这 两种算法都可以得到较好的结果。 关键词：遗传算法，进化算法，多目标优化，模糊偏好，自组织，博弈论 ABSTRACT Multi-obieetivehasbeenadifficult andfoCUSfor optimization problem research have in ofscienceand aIot for fields engineering．111erealready ofclassicalmethods before were evolutionary solvingmulti—objectiveoptimizationproblems algorithms in introduced1985．Classical been methodshave multi—objectiveoptimization there