基于自适应混合非支配个体排序策略改进型NSGA―Ⅱ算法.docVIP

基于自适应混合非支配个体排序策略改进型NSGA―Ⅱ算法 　　摘要：针对经典快速非支配排序遗传算法（NSGAⅡ）中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题，提出了一种基于自适应混合非支配个体排序策略的改进型NSGAⅡ算法（NSGAⅡh）。首先，设计一种新的循环聚类个体排序策略； 然后， 根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择； 最终，实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证，并与经典的NSGAⅡ、多目标粒子群优化算法（MOPSO）和GDE3等算法进行对比分析，NSGAⅡh算法获得了80%的最优反向世代距离（IGD）值，且显著性水平为5%的双尾t检验结果表明，新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性，而且能增强算法的收敛性，有效提高了优化效果。 　　关键词：快速非支配排序遗传算法；非支配个体排序；拥挤距离；循环聚类；自适应 　　中图分类号：TP183 文献标志码：A 　　Abstract：In order to solve the problem that the population diversity preservation strategy only based on crowding distance of Nondominated Sorting Genetic AlgorithmⅡ （NSGAⅡ） cannot reflect the real crowding degree of individuals， an improved NSGAⅡ algorithm based on the adaptive hybrid nondominated individual sorting strategy （NSGAⅡh） was proposed. First， a novel loopclustering individual sorting strategy was designed. Second， according to the Pareto layersorting information the NSGAⅡh algorithm adaptively chose one from the two individual sorting strategies based on classical crowding distance and loopclustering. Finally， the diversity maintain mechanism could be improved especially during the late period of evolutionary optimization. The NSGAⅡh algorithm was compared with three classical algorithms including NSGAⅡ， MultiObjective Particle Swarm Optimization （MOPSO） and GDE3. The experiments on five multiobjective benchmark functions show that the NSGAⅡh algorithm can acquire 80% of optimal Inverted Generational Distance （IGD） values， and the corresponding twotailed ttest results at a 0.05 level of significance are remarkable. The proposed algorithm can not only improve convergence of the original algorithm， but also enhance the distribution of Pareto optimal set. 　　Key words：Nondominated Sorting Genetic AlgorithmⅡ （NSGAⅡ）； nondominated individual sorting； crowding distance； loopclustering； adaptive 　　0 引言 　　现实生产生活中，复杂的优化问题往往由多个相互冲突的优化目标组成，称为多目标优化问题。进化算法已成为解决这些复杂优化问题的方法之一，特别是对一些传统解析方法难以求解的复杂工程问题，正越来越受到国内外进