多目標(biāo)優(yōu)化問題自適應(yīng)求解框架的研究.pdf

1、應(yīng)用存在大量多目標(biāo)優(yōu)化問題。基本算法，如傳統(tǒng)多目標(biāo)優(yōu)化算法、多目標(biāo)遺傳算法、多目標(biāo)粒子群優(yōu)化算法等，面對復(fù)雜實際問題，常常遇到陷入局部最優(yōu)等諸多缺陷，原因在于算法偏好過于簡單，沒有充分利用問題特征。目前的算法設(shè)計單純依靠經(jīng)驗，需要反復(fù)測試修改；算法的復(fù)雜性會顯著影響其泛化能力，使其缺乏可復(fù)用性。因此，簡化算法設(shè)計和重用已有算法具有重要意義。 本文提出的多目標(biāo)優(yōu)化問題自適應(yīng)求解框架通過特征分治和策略重用有效解決了以上兩個問題。分類

2、自適應(yīng)求解多目標(biāo)優(yōu)化問題的特征，借鑒人群分工協(xié)作有效完成任務(wù)的行為，設(shè)計框架包含三個階段、十三個模塊和若干策略，階段刻畫求解流程、包含若干模塊，模塊對應(yīng)特征類型、包含若干策略，策略負責(zé)處理具體特征、成為可復(fù)用的單元。算法設(shè)計簡化為為框架中的模塊選擇合適的策略，策略的分析比較使選擇變得簡單。無法確定合適策略的模塊可以對應(yīng)一組策略，框架在線學(xué)習(xí)策略性能，自動選出最優(yōu)策略。 各模塊核心思想描述如下。分維合作分析函數(shù)維的相關(guān)性，減小搜索

3、空間；函數(shù)變換分析函數(shù)形態(tài)，在線調(diào)整使其更易優(yōu)化；分群處理分析函數(shù)特性，分割搜索空間；三者共同分解問題相關(guān)性。初始分布利用先驗知識，引導(dǎo)搜索；全局探索利用全局搜索能力強的算法，收斂到全局最優(yōu)區(qū)域；局部開發(fā)利用局部搜索能力強的算法，快速收斂到域中最優(yōu)；三者共同平衡探索與開發(fā)。支配排序利用Pareto 支配概念，建立個體優(yōu)劣的偏序關(guān)系；多樣估計利用空間距離，度量個體的分布情況；優(yōu)解選擇利用支配排序和多樣估計，優(yōu)先選擇非支配的或較少被支配的、

4、分布稀疏的個體；三者共同平衡收斂與多樣。結(jié)果分析利用量化指標(biāo)，度量框架運行的總體性能；策略評價利用結(jié)果分析，評價策略優(yōu)劣；策略選擇利用策略評價，選擇優(yōu)秀策略更多參與計算；三者共同實現(xiàn)策略的自適應(yīng)。參數(shù)優(yōu)選利用動態(tài)改變算法參數(shù)，減少人工選擇的影響。 本文首先定義多目標(biāo)優(yōu)化問題、列舉基本算法的缺陷。接著理論探討求解框架，分析問題求解、分類問題特征、研究人群行為、提出求解框架。最后以粒子群優(yōu)化為全局探索模塊的策略，分裂優(yōu)解選擇為檔案選