基于免疫思想GA的多目标运输问题研究概要1.docxVIP

【摘要】运输问题可引申为多种组合优化问题，这类问题属于NP-hard问题。针对fuzzy-GA算法求解多目标运输问题存在的早熟问题及解的分布性问题，本文在标准遗传算法的基础上加入免疫算法里的浓度抑制思想，实验证明,通过利用一系列的遗传操作和抗体亲和度计算、基于浓度群体更新策略生成下一代抗体群，确保了个体的多样性，加强了解群的散布性。论文关键词：多目标优化,模糊规则,免疫,浓度控制　　在求解多目标优化问题时，由于目标意义不同，存在目标之间的无法比较和冲突现象，不一定在所有目标上都是最优的解。为了达到总目标的最优化，必须折中获取目标值。在多目标空间中，空间的代数结构仅满足偏序性(partial order)，不再具备单目标优化的全序优良性质，从而导致求解的困难性。　　Gen，Li和Cheng讨论了用生成树表示求解运输问题的遗传算法，使用树性编码的Pruefer数，作为设计染色体的可行标准。基于Pruefer数的GA在求解多目标运输问题时，由于节省了存储单元，求解时也就节省了计算时间。　　Zou Shurong和Zhang Hongwei提出了基于Fuzzy规则的Fuzzy-GA算法，针对st-GA算法在分配运输量的过程上采用的是贪婪法，而贪婪法对优化问题较难得到满意解的问题， Fuzzy-GA算法在st-GA算法的基础上引入了表达显性知识的Fuzzy规则进行运输量的分配。从实验数据可以