多目标优化问题.pptVIP

计算机学院 计算机学院 多目标优化问题 第一页，共十六页，2022年，8月28日 多目标优化的国内外研究现状 1.传统的方法：权重法，约束法，混合法，目标规划法，最大最小法等。 特点：将多个目标聚合成一个函数。 缺点：各目标加权值的分配带有较大的主观性；优化过程中各目标的优度进展不可操作等；在处理高维数、多模态、非线性等复杂问题上存在许多不足。 第二页，共十六页，2022年，8月28日 多目标优化的国内外研究现状 遗传算法是模拟自然界生物进化过程与机制，求解优化与搜索问题的一类自组织、自适应的人工智能技术。由于遗传算法是对整个群体进行的进化运算操作，它着眼于个体的集合，而多目标优化问题的非劣解一般也是一个集合，遗传算法的这个特性表明遗传算法非常适合求解多目标优化问题。近年来，遗传算法应用于多目标优化领域 。 第三页，共十六页，2022年，8月28日 多目标优化的国内外研究现状 2.多目标优化遗传算法：VEGA，HLGA，FFGA，MOGA，NPGA，NSGA，SPEA，NSGA-II，SPEA2，PAES 缺点： 1.多目标遗传算法的局部搜索能力较差 2.求解过程依赖于染色体的表示形式，即与个体 编码方式的关系很密切 3.非劣最优解域收敛性分析困难 4.参数较多，如果设置不恰当会导致算法运行的性能