基于模型的多目标算法研究及其在基因网络的应用.pdfVIP

基于模型的多目标算法研究及其在基因网络的应用 摘 要 在工程、生产、科研等各个领域中存在大量的优化问题，其中存在着一类需要同时 优化多个目标的优化问题，简称多目标优化问题。在这类多目标优化问题中每个目标往 往都具有非线性、不可微的特性，并且这些目标之间相互牵制。因此传统解决单目标优 化问题的方法已不再适用于处理多目标优化问题。目前处理这类问题使用最多的方法是 多目标进化算法。它在每次优化中得到的不再是某个单一的最优解，而是一组权衡各个 目标信息折中的解的集合 （在目标空间称为Pareto 前沿）。多目标进化算法是基于自然 界中生物进化理论而提出的，算法中主要包括选择、交叉、变异三大步骤。近年来，学 者们基于这三个步骤，探究了很多相关算法。 本文首先对交叉操作中的传统重组算子 （Simulated Binary Crossover, SBX; Differential Evolution, DE ）进行了分析，然后利用数理统计知识将重组算子模型化，改 变了传统重组算子一直被人质疑缺乏数学理论基础的看法。该方法主要是利用分析出来 的搜索模式，使用数理统计中采样点的方式重新构建重组算子的搜索模式，