應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法.pdf

1、現(xiàn)實(shí)世界的很多問題都是多目標(biāo)優(yōu)化問題。在多目標(biāo)問題中，各目標(biāo)之間通常不是獨(dú)立存在的，往往互相沖突，因而，不存在單一解向量使得所有目標(biāo)最優(yōu)，這使得多目標(biāo)問題難于優(yōu)化。 進(jìn)化算法啟發(fā)于自然界的生物進(jìn)化過程。它的潛在并行性及自組織自適應(yīng)自學(xué)習(xí)的智能特性對(duì)于求解多目標(biāo)問題具有巨大潛力。近年來多目標(biāo)優(yōu)化與決策問題已成為進(jìn)化計(jì)算的一個(gè)重要的研究方向。 本文首先對(duì)國內(nèi)外進(jìn)化多目標(biāo)領(lǐng)域的研究現(xiàn)狀和研究方法進(jìn)行了系統(tǒng)的歸納和總結(jié)，接著分析

2、了當(dāng)前的一些有代表性的進(jìn)化多目標(biāo)算法各自的優(yōu)點(diǎn)和不足之處，并據(jù)此提出了一種應(yīng)用于多目標(biāo)優(yōu)化的非支配排序差分進(jìn)化算法。該算法繼承了NSGA-Ⅱ的快速非支配排序和種群多樣性保持策略，同時(shí)使用簡單但高效的差分方式取代NSGA-Ⅱ中的模擬二進(jìn)制交叉和多項(xiàng)式變異的方式產(chǎn)生子代個(gè)體。最后，為進(jìn)一步提高算法性能，在差分方式中融入了直接的收斂信息和擴(kuò)散信息，收斂信息有助于提高算法的收斂速度，而擴(kuò)散信息則利于算法所得解的分布。 通過Matlab對(duì)