博士学位论文公示材料-东北大学研究生院.PDFVIP

博士学位论文公示材料 黄敏 学生姓名 付亚平 学号 1110339 二级学科 系统工程 导师姓名 王洪峰 论文题目 多目标进化算法机制及其生产调度应用研究 多目标优化；进化多目标优化；多种群策略；多目标调度；遗传算法；粒子群 论文关键词 优化算法；差分进化算法 论文摘要(中文) 多目标优化是学术界和工业界研究的热点和难点问题，无论在科学研究还是在工程应用中都会遇 到大量的优化问题需要同时考虑多方面的因素或目标，这些因素或目标之间通常具有相互冲突的特征。 与单目标优化问题不同的是，多目标优化问题不存在唯一的全局最优解，而是存在一个最优解集合， 称为 Pareto 最优解集，这个解集中的解互为非支配关系。由于决策者对于多目标优化问题通常要求快 速、准确地获得多个 Pareto 最优解，这给多目标优化问题的求解带来了难度。基于群体的智能优化算 法通过潜在解组成的种群不断迭代以完成对解空间的全局搜索，可以在一次运行获得多个 Pareto 最优 解，非常适合求解多目标优化问题。近年来这类优化算法在求解多目标优化问题方面受到国内外专家 和学者的广泛关注。 作为一种基于种群迭代寻优机制的智能优化算法，进化算法(Evolutionary algorithm, EA)在解决多目 标优化问题方面具有很好的优化效果。多目标进化算法的优化目标是获得一个具有较好质量和分布性 的非支配解集，这个非支配解集一方面要尽可能的逼近真实的Pareto 最优解集，另一方面要尽可能均 匀的分布在 Pareto 最优前沿。现阶段对进化多目标优化的研究包括多目标进化算法的算法机制研究和 多目标进化算法的应用研究。其中，算法机制的研究是指研究和设计新的算法框架以提高多目标进化 算法的求解性能，应用研究则是指采用多目标进化算法解决科学和工程应用中出现的多目标优化问题。 目前，大多数的研究工作都集中于多目标进化算法机制方面，而多目标进化算法的应用研究相对较少。 本文对进化多目标优化展开研究，将研究内容分为多目标进化算法机制研究和应用研究两部分。 在算法机制研究方面，为提高对 Pareto 最优解集的探索能力和开发能力，以快速准确地获得一个 质量较高且分布均匀的非支配解集，提出了一种自适应多种群策略。这种策略采用多个个体对一个 Pareto 最优解进行搜索，有效地提高了对最优解的搜索精度和搜索速度。在算法的应用方面，考虑到制 造业普遍存在的生产调度问题多为多目标优化问题，针对生产系统存在的多目标生产调度问题，建立 了多目标优化模型，并基于上述算法框架设计有效的策略进行求解。 本文在总结和分析现有多目标进化算法的研究现状的基础上，采用多种群策略和多优化策略集成 的技术方法，针对多目标进化算法的算法机制和应用两方面展开研究，其主要工作概括如下： (1) 为了改善多目标进化算法的探索能力和开发能力，提出了一种自适应多种群策略，并设计了基 —1— 于自适应多种群策略的多目标遗传算法。该算法采用分解方法将多目标优化问题分解为多个单目标子 问题，算法在每次迭代时，采用多种群机制对这些子问题分别构造子种群进行并行求解。为验证该算 法的性能，选择经典的多目标进化算法NSGAII 、MOEA/D 及采用多种群策略的COEA 算法进行对比； (2) 为了进一步提高所获得非支配解集的质量和分布性，提出了一种基于自适应多种群策略的混合 多目标进化算法。该算法将粒子群优化算法与差分进化算法结合，粒子群优化算法用于对多个子问题 进行并行求解，而差分进化算法对外部档案实施进化，并设计了种群与外部档案的信息交互策略。为 验证该算法的性能，选择经典的多目标优化算法NSGAII 、MOEA/D 及采用多种群策略的多目标粒子群 优化算法进行对比； (3) 研究了一种工件具有恶化特性的单机多目标调度问题，建立了以最小化最迟完成时间和总延迟