基于Pareto支配的高維多目標進化算法研究.pdf

1、在現(xiàn)實生活中，許多應用涉及到多個目標同時求優(yōu)的問題，這些問題被稱為多目標優(yōu)化問題。進化算法憑借著其較好的收斂性和多樣性被廣泛應用在多目標優(yōu)化問題中，這些多目標優(yōu)化問題通常涉及2到3個目標。然而現(xiàn)實生活中的多目標優(yōu)化問題往往超過三個目標（即高維的多目標優(yōu)化問題），常用的基于Pareto支配的進化算法在處理該類問題時卻面臨著Pareto支配的無效性、Pareto分層排序的耗時性和收斂性與多樣性不平衡等難題。且實際生活中的問題也常會涉及到一些

2、約束限制，使得有約束條件的高維多目標優(yōu)化問題也成為學者們待解決的難題。本文旨在對基于Pareto支配的進化算法進行改進來處理無約束條件和有約束條件的高維多目標優(yōu)化問題。本文主要工作概述如下:
　　(1)首先針對基于Pareto支配的進化算法在處理高維多目標問題時收斂性與多樣性不平衡和計算時間復雜度高的問題，提出了多樣性優(yōu)先的維持策略。與通常運用收斂性優(yōu)先的方法不同，本文方法首先通過將目標空間分割成均勻相等的子空間來維持種群的多樣性

3、，然后在每個子空間中選擇收斂性較好的個體來維持種群的收斂性。該方法能較好的識別經Pareto分層排序后在稍高層上收斂性和多樣性都較好的個體。
　　(2)其次針對Pareto支配關系在高維目標空間上的無效性和一般聚類方法對多樣性較好收斂性很差的個體的偏好性，引入了兩層聚類和兩層排序方法。兩層聚類方法首先對非劣個體進行聚類，并由非劣個體引導受支配個體的聚類來識別收斂性和多樣性不平衡的個體。然后根據個體的收斂性和多樣性信息將每類中的非劣

4、個體和受支配個體進行排序來維持種群的收斂性和多樣性。最后通過對該方法的時間復雜度分析和在13個測試問題上的應用驗證了我們的方法在求得較好收斂性和多樣性解集的同時能夠獲得較低的時間復雜度。
　　(3)最后針對約束處理機制對可行解和擁有較低約束違背度解的偏好性，提出一種基于約束支配自適應選擇機制的高維多目標約束進化算法。該方法根據種群中不可行解的比例隨迭代次數(shù)的變化將約束處理分為三種情況，并自適應的選擇一種約束機制。通過在3類不同的約