多目標進化算法及其在約束優(yōu)化中的應用研究.pdf

1、科學和工程中的很多優(yōu)化問題都是多目標問題，因此，對其進行研究非常具有實際意義和科研價值。多目標優(yōu)化問題中各目標之間往往相互制約，對其中一個目標優(yōu)化必須以其它目標作為代價。80年代中期以來，進化算法開始應用于該問題，并行成了最近的一個熱門領域，對多目標進化算法的研究也是近年來求解多目標優(yōu)化的重點。 本文首先對多目標優(yōu)化問題的一般定義、Pareto最優(yōu)解集和Pareto最優(yōu)邊界等進行了討論，對多目標優(yōu)化進化算法的國內外研究現狀進行了

2、回顧，然后提出了兩種多目標優(yōu)化進化算法，并將多目標優(yōu)化的思想用來求解約束優(yōu)化問題。主要內容如下： 1、將多目標屬性決策方法中的ELECTRE法引入到多目標優(yōu)化進化算法中，提出了一種新的多目標優(yōu)化算法。構造出一種新的超序關系對個體進行排序，并證明了該超序關系比Pareto優(yōu)劣關系弱，利用此超序關系能增加進化過程中的選擇壓，加快收斂速度。通過數據試驗，表明算法能很好地收斂到Pareto最優(yōu)，有效保持解的多樣性。 2、提出了一

3、種基于差異進化的多目標優(yōu)化算法，利用ε優(yōu)超關系來保存進化中的非劣個體，并對ε-MOEA算法中個體存檔準則進行了改進。將ε-水平比較準則引入到算法中，通過對一系列標準的測試函數進行實驗，實驗結果表明該算法在保持解集分布性和收斂性方面非常有效。 3、將多目標優(yōu)化思想引入到約束優(yōu)化中，提出了非劣個體替換準則。為了有效利用不可行解，提出了一種不可行解保存和替換機制，對6個測試函數進行了測試，測試結果表明該算法優(yōu)于其它算法。 最后