进化多目标优化算法及其的应用的研究.docx

进化多目标优化算法及其应用研究研究生姓名：时丽娜导师姓名：黄汉明学科专业：系统理论研究方向：进化多目标优化摘要年级：2007 级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，因为现实问题大多具备多目标的特征，通常难以处理。传统的解决多目标的方法如：加权法、约束法、线性规划法等有很大的局限性。智能优化算法是通过模拟某一自然现象或过程而建立起来的，它们具有适于高度并行性、自组织、自学习与自适应等特征，为解决复杂问题提供了一种新途径。这类算法主要包括进化算法（EA）、粒子群算法（PSO）、人工免疫系统（AIS）和蚁群算法（ACO）等等。本文主要是研究用进化算法来解决多目标优化问题。进化算法也称演化算法，是一种模拟自然进化过程的随机优化方法。群体搜索策略和群体间个体之间的信息交换是它比传统优化算法优越的两大特点。随着对进化算法的研究的深入，国内外研究人员在简单遗传算法的基础上，提出了多种多目标遗传算法，其中非支配排序遗传算法 NSGA 经研究证实为效果最好的一种,但是在人们的不断使用过程中，发现这种算法有很多不尽如人意的地方，后来人们改进了 NSGA 算法的缺点，提出带精英策略的非支配排序遗传算法 NSGAⅡ 。目前来说，对于带精英策略的非支配排序遗传算法的研究，国外的理论研究与应用研究较为深入，相比在国内的研究较少。本文对算法的基本原理进行了系统的学习与研究，并将该算法用于解决一些实际的问题，利用 NSGAⅡ在解决多目标优化问题方面有很多强大的优势，很好得解决了这些生活中的实际问题。本文主要进行了以下工作：（1）首先，介绍了进化多目标优化的产出背景和它的三个发展阶段；然后介绍了多目标优化的概念和相关术语，分析和总结了它目前常用的评价方法及其它的常用分类标准和分类方法；论述了常用的经典的多目标优化方法和进化多目标优化的基本框架。（2）论述了多目标优化遗传算法的研究现状，其中重点介绍了非支配排序遗传算法的情况。从多目标优化的理论与概念入手，论述了非支配排序遗传算法 NSGA 的基本原理和不足之处，并对其改进算法 NSGA-Ⅱ提出的快速非支配排序法、拥挤度及其比较算子、精英策略和 NSGA-Ⅱ的主要流程作了详细的研究。（3）设施选址问题作为现实中的多目标优化问题的典型，本文尝试用 NSGA-Ⅱ算法去解决垃圾处理站设施选址问题和重大突发事件设施选址问题。对于前者，在分析了其多目标数学模型的基础上考虑了总成本最小和负效用最小两个目标函数，具体分析了并给出了NSGA-Ⅱ在设施选址中的具体运用过程，并给出了实例验证。对于后者，通过对重大突发事件特点的描述，以急救援设施服务需求区域的加权最大距离最小、权重越大的需求区域得到的应急服务最大化和应急救援设施服务需求点的加权距离最小化为三个目标函数，应用 NSGA-Ⅱ算法求解，并给出了实例验证。实验表明，该算法能在短时间内得到 Pareto 最优解,具有很好的优化效果。仿真表明该算法是一种可行的、有效的解决多目标优化问题的方法。并探讨了 NSGA-Ⅱ在其他方面的应用， 此 算法在解决多目标优化方面具有广阔的应用前景，希望能为决策部门提供决策依据。最后，总结了全文的工作，并对多目标进化算法的未来发展方向提出了一些设想。关键词：进化多目标优化算法Pareto 最优解带精英策略的非支配排序遗传算法 NSGAⅡ设施选址Research on Evolutionary Multi-objective Optimization Algorithmsand its ApplicationMaster Student: SHI Li-nanSupervisor: Dr. HUANG Han-MingSpecial Field: System TheoryInterests:Evolutionary Multi-objective OptimizationGrade: 2007AbstractMulti-objective optimization for scientists and engineers is undoubtedly a very importantresearch topic because practical problems with most of the characteristics of multi-objective areoften difficult to be handled. Traditional methods to solve multi-objective such as: weightingmethod, constraint, linear programming, etc. have great limitations. Intelligent opt