解决多目标优化问题的差分进化算法研究-计算机应用技术专业论文.docxVIP

湘潭大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 II II I I 摘 要 多目标优化是优化问题的主要研究领域之一，现实中的优化问题—工程实践 和科学研究中的优化问题，大多具备多目标的特征，并且这些目标往往是相互冲 突的。不同于单目标优化问题有唯一的最优解，多目标优化问题的最优解为一组 折中解集，即 Pareto 最优解集。 进化算法是一类模拟生物自然选择与自然进化的全局搜索算法，以其擅长于 求解高度复杂的非线性问题而得到了广泛的应用，并且由于一次运行可以得到一 组非支配解集，从而非常适合于求解多目标优化问题。研究者们针对不同的应用 问题，提出了自己的多目标进化算法，比较有代表性算法有：NSGA-II，SPEA2， PESA-II，ε-MOEA 等，它们都能较好的处理多类优化问题。 由于多目标进化算法非常适合用来处理多目标优化问题，近年来，一种新的 进化算法—差分进化算法(Differential Evolution Algorithm—DE)，被各国学 者所广泛关注。它的主要特点是算法简单，收敛速度快。通过大量研究发现，DE 算法具有很强的收敛能力，比较适合于解决复杂的优化问题。 DE 算法从 2000 年后才开始被大多数学者研究，目前已取得了很多研究成果。 与其它进化算法比较，DE 算法用于求解复杂最优问题时优势比较明显，但也发 现算法存在很多待改进的地方,无论从理论角度还是从实践方面考虑，DE 算法都 还有待研究的地方。本文针对差分进化算法展开研究，全面介绍了 DE 算法的原 理，基本结构，实现模式和国内外学者对算法的改进措施及相关应用领域，并针 对算法存在的一些问题进行了改进，通过一系列测试函数来测验了算法的性能。 主要工作包括以下两个方面： 第一，针对差分进化算法中种群维护方法和变量越界问题，提出了一种基于 空间距离的多目标差分进化算法。该算法利用整个种群中个体相互之间的距离来 对种群进行维护，每次删除距离最小的个体，并在选择操作中采用一种新的方法 来产生子个体。实验结果表明该算法在得到良好分布性解集的同时，拥有较好收 敛性。 第二，提出一种自适应差分进化算法。在该算法中，通过自适应调整控制参 数 F 的值来产生试验向量，并比较试验向量与父向量的支配关系，最后选择一个 较优的向量进入归档集。通过实验和分析发现，该算法不仅能对典型的测试问题 有良好的分布性和收敛性，而且对于由典型测试问题经过线性变换和非线性变换 而得到的复杂测试问题，也表现出了良好的性能。 关键词：多目标优化；多目标进化算法；差分进化；复杂 Pareto 解集问题； II II Abstract Multi-Objective optimization problem (MOP) is one of the most important research areas in optimization method, real-world engineering design problems often involve the satisfaction of multiple criteria, which should be solved simultaneously. Since the solution of a Multi-Objective Optimization Problem can not exist as a single optimal point, which means that usually one solution cannot be said to be better than another. Thus, these MOPs search for an optimal set called the Pareto front. Evolutionary algorithm is a kind of simulation of biological