解決多目標(biāo)優(yōu)化問題的幾種進(jìn)化算法.pdf

1、在現(xiàn)實(shí)世界中很多問題都是多目標(biāo)優(yōu)化問題，不同于單目標(biāo)優(yōu)化，在多目標(biāo)優(yōu)化中，各目標(biāo)之間是互相沖突的，其最優(yōu)解往往有無窮多個(gè)，如何使得到的Pareto最優(yōu)曲面距離真正的Pareto最優(yōu)曲面最近、最優(yōu)解的分布均勻且范圍更廣是求解多目標(biāo)優(yōu)化問題的關(guān)鍵。 本文首先對進(jìn)化算法和多目標(biāo)優(yōu)化的基本概念、基本理論、基本框架等進(jìn)行了系統(tǒng)回顧和分析。接著提出了一種改進(jìn)的多目標(biāo)進(jìn)化算法(LEMOEA)。該算法通過引入分布函數(shù)，限制了精英選取的數(shù)量，從而

2、更好地維護(hù)了種群多樣性。同時(shí)給出了一種新的單點(diǎn)復(fù)合交叉算子，其不但增大了解的搜索區(qū)域，而且增強(qiáng)了算法對解的搜索能力。實(shí)驗(yàn)結(jié)果表明，算法LEMOEA得到的Pareto最優(yōu)解集與 NSGA-Ⅱ相比更接近真實(shí)的Pareto最優(yōu)曲面，且分布更加均勻范圍更廣。 同時(shí)，本文還提出了基于擁擠距離的多目標(biāo)粒子群算法，該算法通過引用 NSGA-Ⅱ中的擁擠距離，確定外部檔案中非支配解的擁擠度，依據(jù)競標(biāo)賽選擇方法選出每個(gè)粒子的全局最優(yōu)位置，引導(dǎo)每個(gè)粒