多目标演化算法研究进展.pdfVIP

多目标演化算法研究进展*l AnOverviewof and MultiobjectiveOptimizationEvolutionary Algorithms 董红斌1’2侯薇2黄厚宽1杨莉萍1 (北京交通大学计算机学院 北京100044)1(哈尔滨师范大学计算机系 哈尔滨150080)2 AbstractThis anoverviewof with paper muhiobjective thefocusonmethodsand gives evolutionary optimization theonehand，basic of and are theory．On principlesmultiobjectiveoptimizationevolutionaryalgorithmspresented， andvarious suchasfitness and aredis- algorithmicconcepts assignment，diversitypreservation，elitism arching cussed．Ontheotherhand，theintroductionsomerecenttheoreticalresultsonthe of ev— performancemuhiobjective ofthemost offutureresearchintheareawillbediscussed． olutionaryalgorithms．Finally，somepromisingpaths KeywordsEvolutionaryalgorithm，Multiobjectiveoptimization，Paretooptimality，Fitness preservation 理复杂的函数，多数研究者采用遗传算法进行优化。 1 引言 多目标优化(MuhiObjectiveOptimization， MO)问题是现实世界中常见的难以解决的复杂问 算法在解决非凸性，阻止种群分化的发生等方面表 题，主要特点是各目标之间的相互矛盾性使得问题 现出较好的性能，但缺点是计算量大，目标函数较多 实际上不可能存在单个绝对最优解，而是存在一组 时算法性能降低等。 均衡解，即所谓的Pareto最优解集。多目标优化技 2基本概念 术的主要目的就是寻求Pareto解集中的一个或多 个满意解。用演化算法求解多目标优化问题中首先 2．1 多目标优化 要考虑的问题是如何根据多个目标来确定个体的适 多目标优化问题的定义为：满足约束条件的决 应度。单目标优化中目标函数与适应度函数是一样 策变量使目标向量函数最优，即寻找决策变量X_-- 的，但多目标优化中的适应度分配和选择必须考虑 (对，对，…，《)T(通常不止一个)，使向量函数f 到几个子目标。求解多目标优化问题中另一个要考 (x)最优，最优的标准一般是取函数极小化。其数 学描述如下： 虑的问题是持续向Pareto前沿逼近并在最大范围