多目標(biāo)進(jìn)化算法中分布度評(píng)價(jià)方法的研究.pdf

1、隨著進(jìn)化算法的發(fā)展，近年來國內(nèi)外提出了很多多目標(biāo)進(jìn)化算法。它們采用了不同的方法來求解，但都是為了尋找最好的近似解。因此，如何判斷一組近似解的好壞就變得非常重要。為了正確評(píng)價(jià)多目標(biāo)進(jìn)化算法的優(yōu)劣，研究者們提出了許多相關(guān)的評(píng)價(jià)方法。根據(jù)多目標(biāo)進(jìn)化算法的主要目的，現(xiàn)在存在的評(píng)價(jià)方法可以分成兩類：（I）一種是用來評(píng)價(jià)所求解與真正的Pareto最優(yōu)面的趨近程度的評(píng)價(jià)方法。（ii）一種是用來評(píng)價(jià)解的分布度的評(píng)價(jià)方法。在多目標(biāo)進(jìn)化算法中，解群體的多樣

2、性是評(píng)價(jià)算法的重要指標(biāo)，那么評(píng)價(jià)解集的分布性就顯得非常重要。 本文首先介紹了多目標(biāo)進(jìn)化算法的發(fā)展歷程和幾種典型的多目標(biāo)進(jìn)化算法，同時(shí)分析了目前國內(nèi)外研究者在分布度評(píng)價(jià)方法方面所進(jìn)行的研究工作和所取得的研究成果。在總結(jié)已有的評(píng)價(jià)方法的特點(diǎn)的基礎(chǔ)上，本文討論了基于個(gè)體空間距離的K-均值聚類算法，提出一種基于聚類的分布度評(píng)價(jià)方法，并采用這種方法對國際流行的幾種算法進(jìn)行實(shí)驗(yàn)。通過實(shí)驗(yàn)證明，它比目前已有的評(píng)價(jià)方法更能正確評(píng)價(jià)算法分布度的優(yōu)