解决多目标化问题的几种进化算法.pdfVIP

摘要 在现实世界中很多问题都是多目标优化问题，不同于单目标优化，在多目标 优化中，各目标之间是互相冲突的，其最优解往往有无穷多个，如何使得到的Pareto 最优曲面距离真正的Pareto最优曲面最近、最优解的分布均匀且范围更广是求解 多目标优化问题的关键。 本文首先对进化算法和多目标优化的基本概念、基本理论、基本框架等进行了 系统回顾和分析。接着提出了一种改进的多目标进化算法(u!MOEA)。该算法通 过引入分布函数，限制了精英选取的数量，从而更好地维护了种群多样性。同时 给出了一种新的单点复合交叉算子，其不但增大了解的搜索区域，而且增强了算 法对解的搜索能力。实验结果表明，算法LEMOEA得到的Pareto最优解集与 NSGA-11相比更接近真实的Pareto最优曲面，且分布更加均匀范围更广。 同时，本文还提出了基于拥挤距离的多目标粒子群算法，该算法通过引用 NSGA-II中的拥挤距离，确定外部档案中非支配解的拥挤度，依据竞标赛选择方 法选出每个粒子的全局最优位置，引导每个粒子向处于较稀松区域的非支配解搜 索，提高了解的多样性。动态变异算子的引入，减缓了算法的收敛速度，增大了 解的搜索区域，避免了算法早熟收敛或陷入局部最优。从试验结果可以看出，算 面，且分布更加均匀范围更广。 关键词：NSGA-H分布函数竞标赛选择方法动态变异算子 Abstract of inthe hasawide real Multiobjectiveoptimizationproblem rangeapplications is ofteninvolves world．Itdifferentfmmthesingleobjectiveoptimization．It incommensurableand thenumberofitsPareto competingobjectives,and optimal solutionsis infinite．Therefore．itis to new usually veryimportantdesignalgoritlmas whichcanfind solutions． welldistributedand close-to-Pareto-optimal Inthis basic andframesofthe thesis，theconcepts，theories evolutionaryalgorithm and reviewedand first．Then multi-objectiveoptimization[fieanalyzedsystematically an whichis improvedmultiobjectiveevolutionaryalgorithm(LEMOEA)isproposed based thenumberofindividuals onNSGA．n．ItU$CSdistributionfunctiontolimit canbc chosenelitistscheme．anda ofsolutions