多目標(biāo)進(jìn)化算法中變異算子的研究.pdf

1、現(xiàn)實生活中的許多實際問題,都是對多個目標(biāo)的同時優(yōu)化,同時這些問題通常又是高度復(fù)雜的,非線性的。通常稱這類問題為多目標(biāo)優(yōu)化問題。多目標(biāo)進(jìn)化算法(Multi-Objective EvolutionaryAlgorithms,MOEAs)非常的適合于求解這類的問題,已成為多目標(biāo)優(yōu)化問題的主流解決方法之一。近年來,研究者們針對不同的應(yīng)用問題,提出了自己的多目標(biāo)進(jìn)化算法,比較有代表性算法有:NSGA-Ⅱ,SPEA2,PESA-Ⅱ等。
　　變

2、異算子在進(jìn)化算法中起著非常重要的作用,研究者做了大量的理論和實驗研究。進(jìn)化算法通過引入變異算子,使算法具有一定的局部隨機搜索能力,一方面,在求解的后期,加速向最優(yōu)解收斂,另一方面維持解的多樣性。然而,在多目標(biāo)進(jìn)化算法中,研究者們的注意力主要集中在構(gòu)造非支配集、適應(yīng)度賦值、種群維護等問題上,關(guān)于多目標(biāo)進(jìn)化算法中的基本進(jìn)化操作算子的研究不多,特別是變異算子,大多使用Deb提出來的多項式變異算子。
　　本文針對多目標(biāo)進(jìn)化算法中的變異算子

3、展開研究,主要工作包括以下兩個方面:
　　第一,將單目標(biāo)進(jìn)化算法和進(jìn)化策略中一些有效的變異算子引入多目標(biāo)進(jìn)化算法,然而,多目標(biāo)優(yōu)化與單目標(biāo)優(yōu)化在求解問題的規(guī)模、最優(yōu)解的數(shù)量等方面有很大的差異,頻繁的變異越界操作導(dǎo)致種群多樣性的喪失,提出了一種適應(yīng)于多目標(biāo)環(huán)境的變異越界處理策略以維護種群的多樣性,成功的將這些變異算子應(yīng)用到多目標(biāo)進(jìn)化優(yōu)化問題中,最后通過一組實驗比較了它們的收斂性能。
　　第二,提出一種改進(jìn)的變異和分布性保持策略