多目标进化算法的研究现状和群体多样性研究.pdfVIP

多目标进化算法的研究现状与群体多样性研究 崔逊学 Email：onixunxue曰163．net (中国科学技术大学自动化系，合肥230027) [摘要]本文首先简要介绍有关多目标进化算法的研究现状．在多目标进化系统中一个关 键问题是必须采取某一措施来保持群体多样性。本文将自然生命的免疫机制引入多目标进 化过程．提出一种基于免疫原理的多目标进化算法群体多样性保持策略，并给出了具体设 计方法．最后以两个目标的流水车间作业调度问题为例进行计算机模拟求解，将本文方法 与“多目标遗传算法”的计算结果进行了对比．实验表明该方法能有效保持群体多样性， 多目标优化结果的性能较好． 【关键词】 人工智能，多目标优化，多目标进化算法，逸传算法，免疫，多样性 0 引言 解决多目标工程问题通常很困难，因为在高维问题空间中各目标往往是相互冲突的． 多目标优化问题(Multiobjective0ptimizationProblem：MOP)的经典求解方法是使用目 目标进化算法(MultiobjectiveEvolutionary 化理论来处理多目标优化问题已成为人工生命领域的一个热门话题。由于实际问题常由多 个相互冲突的目标组成．问题的解通常不是单个最优解，而是一组非劣解。进化算法 (Evolutionary 解，通过杂交和变异来“勘探”(explore)：l妻索空间以寻找可能的最优区域，通过选择来“开 采”(exploit)搜索具有较高适应值的个体。有些学者甚至认为在多目标优化领域EAs的性 能要优于其它盲目搜索方法Il】．实践也表明，直到目前为止在处理多目标优化问题时还没 有其它方法比EAs效果好． 但传统的进化算法在Pareto最优集上执行多目标搜寻均匀分布的解集时，个体的多 样性减少得很快，常收敛至单个解而丢失多个其它的非劣解。近年来基于自然生物的免疫 系统原理对改进和提高EAs的性能具有重要启迪作用P．I．本文将免疫原理中的浓度机制 引入多目标进化的适应度函数设计，通过对两个目标的流水车间作业调度问题(Flow 291 Problem：FSSP)的仿真实验，验证了这种新的适应度共享机制不仅容 ShopScheduling 易实现。而且能有效保持群体多样性(diversity)，。 1 多目标进化算法的研究现状 1．1研究历史 多目标优化对于科学家和工程师来说无疑是一个非常重要的研究课题，不仅因为现实 问题大多具备多目标的特征，而且还由于该领域仍有一些悬而未决的问题有待攻关。过去 的几十年间在运筹学界涌现了20多种相关方法来处理具有多个目标的函数优化问题，大 多数方法沿袭着一条固定模式的技术解决路线，即使用对策权衡原理对各目标的相对重要 性进行折衷后再组合成一个单目标来处理。但始终困扰运筹学理论界的一个概念问题在于 多目标优化并不存在类似单目标优化那样的纯“最优解”，最后导致一个问题如果用几种 传统方法来求解，结果可能会是五花八门，因为通常有关问题决策的最佳解是与所谓的“决 策者(人)”直接相关的，此时用科学方法来实施优化的意义并不明确。 组合优化作为进化算法虽基本的也是最重要的研究和应用领域之一．它所取得的巨大 成功启迪人们能否将人工进化理论从单目标优化问题延伸到多目标优化领域呢?1985年 MOEA。多数成功的MOEA都能很好地解决古典运筹学所能处理的MOP，而且具备一般进化 算法拥有的独有特征，如可处理的问题属不可微的、不连续的、多维的、有约束条件、高 度非线性的组合优化问题。 到90年代中期，MOEA开始真正引起了人们的兴趣，发表的论文数量在急剧增加，有 的研究领域。2001年3月在瑞士的苏黎世大学召开了国际第一次进化多准则优化的会议。 2001年5月在韩国汉城召开的国际进化计算大会上开始有专门的多目标进化算法会议专 题，目前在该领域研究走在前列的国家和地区有美国、欧洲、墨西哥、印度等。分析文献 中经常使用的适应度函数类型，我们可大致看出Mo卧应用的领域范围囊括了经济学、电 磁学、环境学、金融学、几何学、物理(能量和力)、信息熵及资源管理领域。 ’ 1，2分类