多目标优化Pareto解表达与求取.ppt

多目标优化的 pareto解的表达与求取  题日多目标优化的 Pareto解的表达与求取 专业 计算机应用技术 研究方向 人工智能与计算智能 姓名 导师 赵明旺教授  多目标优化问题与单目标区别 多目标优化问題的解不是唯一的,而是一组均衡解 称为最优非劣解集或 pareto最优解集,且这组解释无 差别的。目标冲突是MOP的共同难題(不存在使得所 有目标同时达到的最优解)。 在单目标优化问题中,可行解集中的解完全可以根据目标函数值的优劣来进行排序 即对任意两个决间量ab∈X/,根据它们之间的函数关系f(a)sf(b)或者/(b)sf(a)米 决定两者的优劣,优化的目的就是寻找能使∫取得最小值的解。但是对于MOP而言,情 况就有所不同了,由于多个目标函数的行在,可行解集中的解很难通过<、≤、=这样简 单的关系进行评价。针对这问题,法国经济学家V. Pareto于1896年提出了 Pareto最优 的概念  概念 1.I多日标优化问题 多日标优化也称为多准则优化、多指标优化或向量优化,其日的就是要找到·组这样 折中解。A. Osyczka给出了多目标优化的定义m:寻找一个出决策变量构成的向量,使其 能够满足所有的约束条件和由目标函数组成的向量函数,这些目标函数是对性能指标的数 学描述,而且它们之间往往是相互冲突的 定义MOP:一般MOP由n个衰量参数、m个目标函数和 k个约束条件组成,数学定义为: 0,=F(x)=(f1(x),f2(x)·f。(x) (1.1 其中,x∈Ω,y∈A,Ω是决策空间,A是目标函数空间。决策空间是由决策变量组成的 日标函数空间是由目标函数值组成的。MOP涉及两个空间:决策空间和日标函数空间,通 常优化的搜索过程发生在目标函数空间  MOP优化过程中可能并不存在可以满足所有约束条件 并且能够使所有的目标函数达到全局最优的解 定义1.2:可行解:可行解集Ⅺ是由能够满足所有约束 条件的决策向量X所组成的集合,即 X={x∈g2c(x)≤0 定义13m1 Pareto占优或者 Parcto支配:对于意向量,veA,a-{un1u2,u2}, ={1,"2…,v},对于∈{2…,k}满足n≤v并且习∈2,…,k}使得u<v,则称向 量u优于向量ⅴ,记作u-<v。