基于空间距离多目标差分进化算法.docVIP

基于空间距离多目标差分进化算法 　　 (湘潭大学 信息工程学院 计算机系， 湖南 湘潭 411105) 　　?? 　　摘 要：在经典差分进化的基础上,提出了一种基于空间距离的多目标差分进化算法(SDMODE),与目前经典算法NSGAⅡ和εMOEA 进行比较，结果表明该算法拥有良好的分布性，同时也较好地改善了收敛性。?? 　　关键词：多目标进化算法;多目标优化问题;差分进化;空间距离 ?? 　　中图分类号：TP18 文献标志码：A 　　 文章编号：1001?B3695(2009)02?B0451?B04 　　?? 　　Multiobjective differential evolutionary algorithm based on spacial distance 　　?? 　　ZENG Yinglan, WU Jun, ZHENG Jinhua 　　??(Dept. of Computer, School of Information Engineering, Xiangtan University, Xiangtan Hunan 411105, China) 　　??Abstract:Based on the classical differential evolution,proposed a new multiobjective differential evolutionary algorithm based on spacial distance.Compared with NSGAⅡ and εMOEA,the experimental results demonstrate that the new algorithm can obtain good convergence and can converge to the true Pareto front fast at the same time.?? 　　Key words:multiobjective evolutionary algorithm; multiobjective optimization problem(MOP); differential evolutionary(DE); spacial distance ?お? 　　0 引言?? 　　多目标优化问题(MOPs)在许多领域是很常见的，工程实践和科学研究中优化问题大多是多目标优化问题，各目标之间通过决策变量相互制约，对其中一个目标优化必须以其他目标为代价，而且各目标的单位又往往不一致，因此很难客观地评价多目标问题解的优劣性。MOPs的求解不同于单目标优化问题(single objective optimization problems，SOPs)。SOPs的最优值只有一个, MOPs的解不是惟一的，而是存在一个最优解集合，集合中的元素称为Pareto最优或非劣最优 (nondominance)。求解它们需要用不同于单目标优化的数学工具，甚至最优的含义也发生了变化[1]。?? 　　自从进化算法能解决数学方法不能很好处理的非连续、非凸、多峰以及不可微的目标函数后，在过去的十五年中,进化算法在解决复杂的多目标优化问题上获得了广泛应用。多目标进化算法能够在一次运行中获得多个候选解，因此多目标进化算法非常适合用来处理多目标优化问题。?? 　　差分进化是一种相对新颖的进化算法，并已成为进化算法的一个主要分支。差分进化是一种适合处理连续目标优化问题的进化算法。一些学者已经提出了一些处理多目标优化问题的改进版的差分进化算法。在一些基本的方法中,它们仅仅把多目标优化问题转换为单目标形式并使用差分进化去进行求解[2~4]。第一个扩展差分进化用来解决多目标优化问题的方法是基于Pareto的差分进化方法[5],之后相继提出了PDE[6]、GDE[7]、GDE2[8]以及最近提出的处理约束优化问题的GDE3[9]。本文在对这些算法进行分析的基础上,对原有算法进行了改进,提出了一种基于空间距离的差分进化算法(SDMODE),并针对差分进化算法解的产生过程中容易出现变量越界问题提出了一种有效的修补方法。?? 　　1 多目标优化问题的有关概念?? 　　下面给出与本文相关的几个概念，由于最大值优化问题与最小值优化问题可以相互转换，这里只考虑最小值优化问题。?? 　　定义1 多目标优化问题。其一般描述如下：?? 　　min f(X)=(f1(X), f2(X),…, fr(X))(1)?? 　　gi(X)≥0;i=1,2,…,k(2)?? 　　hi(X)≥0;i=1,2,…,l(3)?? 　　其中：f(X)为目标函数，有r个优化目标，这些目标是相互冲突的；式(2)和(3)