一种多目标优化问题的免疫算法.docxVIP

一种多目标优化问题的免疫算法 1 pareto最优解的获得及验证 自1985年以来，多目标嵌入式算法已成为解决多目标优化问题的主要工具。许多科学家已经提出了基于权重系数的多目标进化算法。其关键在于确定权重系数。然而，需要大量的初始知识来严格限制初始群体的分布。然而，基于该群体的多目标进化算法（）可以在很大程度上克服基于权重系数的多目标进化算法的许多缺点，如群体多样性差、初始知识不足、最短的pareto解等。该方法具有很高的灵活性，能够有效搜索最合适的pareto解。其重要在于其设计和选择适应方案的适应性。特别是，文献中的speas充分利用了最合适者的概念，并以新的小规模生态方式提高了群体的多样性。同时，在进化的群体中，在它们的基础上生存的最优异体在它们之外进行选择，并通过不断更新获得最合适的pareto最好的个体来获得最合适的pareto最好的解。但是，根据作者的实践，很难在该方法中获得最合适的解。每个子目标同时应尽可能实现最小最合适的解。因此，即使它是用来解决每个子目标为多模态函数的多目标优化问题的，也很难获得预期结果，因此也不适合决策者进行有效选择。 可是, 免疫系统具有学习、记忆、自适应、自组织、分布性以及群体多样性等特点, 模拟其原理开发免疫算法解决工程问题, 已成为计算智能中正在兴起的研究领域, 并且有些免疫算法在单目标函数优化、模式识别、数据挖掘、组合优化及机器学习等