基于分解的多目標進化算法研究.pdf

1、分類號：029UDC：密級：學校代號：11845學號：2111214003廣東工業(yè)大學碩士學位論文(理學碩士)基于分解的多目標進化算法研究王丹指導教師姓名、職稱：塞』漫撻教援專業(yè)或領域名稱：數(shù)堂學生所屬學院：數(shù)堂堂瞳論文答辯日期：至Q!墨生墨且星Q旦摘要摘要現(xiàn)實世界中存在大量的優(yōu)化問題，特別是在科學研究和工程領域，這些優(yōu)化問題往往需要考慮的目標不止一個，即多目標優(yōu)化問題，且有時還需要考慮各種各樣的約束條件這些優(yōu)化問題的目標往往是相互沖突

2、的即不存在唯一解同時優(yōu)化所有的目標因此運籌學中的傳統(tǒng)方法已難以獨立解決進化算法是從種群到種群的搜索，其群體搜索的特性在求解多目標優(yōu)化問題時具有明顯的優(yōu)勢并日益受到有關(guān)學者的關(guān)注在過去的幾十年中提出了許多多目標進化算法本文通過對進化算法進行深入的探索和研究，面向基于分解的多目標進化算法，提出了一種算法混合策略和約束處理策略，并進行相應的理論分析和實驗分析具體而言，本論文的主要研究包含以下兩個方面：(1)基于分解的算法自適應選擇：據(jù)“沒有免

3、費午餐”這個定理我們可以知道，每一個算法都有自己的優(yōu)點和缺點，不存在一個算法適合所有的優(yōu)化問題，且對于特定的優(yōu)化問題我們事先并不能知道哪一種算法最適合鑒于此，在一個算法中混合不同的算法是一個很自然的思路目前在混合多種不同的重組算予，即新個體的產(chǎn)生算子已有許多工作然而據(jù)我們所知，在一個框架里邊混合不同的適應值分配方式的研究還鮮有涉及另一方面，適應值的分配對多目標算法的性能有很大的影響因此在本文中我們提出了一種混合多目標進化算法，它根據(jù)點在

4、目標空問的分布把種群分成若干子種群，每一個子種群通過一個進化算法進行進化同時提出一個混合的性能評價指標評價每一個算法的性能用表現(xiàn)最好的算法周期性地替換表現(xiàn)最差的算法把本文提出的算法和MOEA／DM2MMOEA／DSMS—EMOA以及NSGA—II進行比較實驗結(jié)果表明本文提出的算法在大多數(shù)算法上都比比較的算法要好在少數(shù)算例上有相似的性能(2)基于分解的約束多目標進化算法：目前約束多目標優(yōu)化問題仍然是優(yōu)化領域一個熱點與難點問題目前廣泛應用的