约束优化和多目优化的进化算法研究.pdf

摘要 摘要 现实世界中存在大量的优化问题，特别是在科学研究和工程实践领域，而这 些问题往往都带有约束条件，日．有时优化问题的目标还小止一个。由于问题自身 的刁同特点，运筹学中的传统方法已经难以独立解决。进化算法作为一种基于群 体搜索的全局优化方法，十分适合于约束优化『口J题和多目标优化问题的求解。因 此，进化优化研究受到国内外研究者们越来越多的关注，成为目前进化汁算领域 的研究热点。 本论文旨在通过对进化算法进行深入的探索和研究，面向单目标约束优化、 多目标优化和多目标约束优化设计高效的进化算法与策略，并进行相应的理论和 实验分析。具体而言，本论文的主要研究工作包括以下几个方面： (1)针对单目标约束优化，为进一步提高列。可行解空间进行精确偏向搜 索的能力，给出了精确偏向搜索的三个前提条件，并结合随机排序方法提出了一 种新的搜索偏向选择策略，以进化策略为基础进行了算法实现。为使进化算法获 得可行的全局最优解，分析了在进化过程中如何列‘待好的不可行解的问题，通过 分析随机排序中比较概率对可行解最终位置的影响，提出了一种动态随机选择策 略，并以多个体差分进化为框架进行了算法实现，然后讨论了进化过程中比较概 率的调整问题。实验结果分别表明了这两种策略的有效性。 (2)针对多目标优化，通过对模拟二进制交叉算子以及进化策略中的变 异和重组算子的对比分析，为稳态多目标进化算法￡．MOEA设计了一种正态分 布交叉算子，该算子既具有与模拟二进制交叉算子相当的开发能力，又具有更强 的空间搜索能力，实验结果表明该算子明显提高了算法￡．MoEA狭得的非支配 解集的质量。通过分析算法s．MOEA中参数￡与非支配解集规模之间的关系，提 出了一种新的自适应调整参数￡的策略，并应用于该算法中，实验结果表明了该 策略的有效性；另外，讨论了自适应调整参数￡引起的遗传漂移问题，指出了两 种情形下的遗传漂移，并给出了相应的解决思路与方案。通过引入归档集合，提 出了一种参数￡自适应的稳态￡一MOEA算法，并刘该算法的稳态性进行了理论证 明；为降低算法的计算量，通过对归档集合设置规模上限并采用先进先出的史新 策略，存实验中设计了一种近似稳态算法，并进行了相应的实验比较。 (3)针对多目标约束优化，为提高边界搜索能力，提出了两种在多目标 差分进化中选择当前最优解的模式。为获得了分布性爱好的Pareto前沿，借鉴单 目标约束优化中Runarsson与Yao的搜索偏向策略，将增强边界搜索的两个模式 分别应用于进化多目标约束优化的搜索过程中，提出了一种混合算法DE．MOEA 中…科学技术大学博．{：学位沦文 求解多目标约束优化问题，并在12个常用的测试函数上进行了实验=实验结果 和分析表明，与求解多目标约束优化问题的经典算法CNSGA．Il相比，混合算法 DE．MOEA具有更好的性能，特别是存扶得的Pareto前沿的分布性上。另外，对 混合算法DE．MOEA的参数设置也进行了分析和讨论。 本论文通过对进化约束优化和进化多目标优化的研究，设计了面向单目标约 束优化的搜索偏向选择策略和动态随机选择策略、面向多目标优化的正态分布交 叉算子和参数￡自适应调整策略及参数￡自适应的稳态￡．MOEA算法、面向多目 标约束优化的混合差分进化和遗传算法的方法。这些工作彳i仅对进化优化的研究 有着重要的意义，也对进化算法的实际优化应用有着重要的意义。 关键词：进化算法进化优化约束优化多同标优化多目标约束优化 Abstract ABSTRACT Itiscommontofaceanumberof in areasofthe optimiZationproblemsmany inthescienceand nelds．HoweVer，these real engineering prOblems world，especially