多目標(biāo)演化算法研究.pdf

1、多目標(biāo)優(yōu)化問(wèn)題的研究一直是一個(gè)非常熱門的研究領(lǐng)域，其成果被廣泛應(yīng)用于工程，經(jīng)濟(jì)，管理，軍事等其他領(lǐng)域，對(duì)人類的發(fā)展起到了重要的推動(dòng)作用，帶來(lái)了巨大的經(jīng)濟(jì)效益和社會(huì)效益。傳統(tǒng)的解決多目標(biāo)優(yōu)化問(wèn)題的方法，是建立在數(shù)學(xué)規(guī)劃方法或者加權(quán)法理論上，導(dǎo)致一次求解只能獲取到一個(gè)優(yōu)化解，但是由于多目標(biāo)問(wèn)題各個(gè)目標(biāo)的相互沖突，多目標(biāo)問(wèn)題的解是以集合的形式存在，這給傳統(tǒng)的多目標(biāo)優(yōu)化方法帶來(lái)很大的挑戰(zhàn)。
　　演化算法在求解多目標(biāo)優(yōu)化問(wèn)題上表現(xiàn)出了很好的

2、性能，一些優(yōu)秀的多目標(biāo)演化算法如雨后春筍般破土而出。CEC2009(2009 IEEE Congress on Evolutionary Computation)多目標(biāo)演化算法競(jìng)賽上提出了新的一類測(cè)試函數(shù)，其中引入多模子函數(shù)障礙，造成種群中個(gè)體的搜索難度加大；另一方面也對(duì)種群中個(gè)體的演化造成誤導(dǎo)。
　　以往很多多目標(biāo)演化算法在種群演化過(guò)程中少有考慮到多模子函數(shù)帶來(lái)的搜索、誤導(dǎo)個(gè)體演化的障礙，導(dǎo)致這些算法很難搜索到部分優(yōu)化解。針對(duì)這

3、個(gè)問(wèn)題，本文在基于元胞幾何Pareto選擇(CGPS)算法上，提出了新版本的CGPS算法(NCGPS)，新算法引入鄰居大小參數(shù)，使種群中個(gè)體在局部范圍內(nèi)更新，加大了搜索的力度；另外，新版本算法利用GPS文檔更新算法，提出了一種反饋策略，利用反饋策略限制個(gè)體的更新，較好地克服多模子函數(shù)的誤導(dǎo)。通過(guò)新版本算法與原版本的CGPS算法以及CEC2009競(jìng)賽的第一名算法MOEA/D(multi-objective evolutionary alg

4、orithm based on decomposition)實(shí)驗(yàn)對(duì)比可知，新提出的算法明顯優(yōu)于原算法，而且可以與MOEA/D媲美。
　　大多數(shù)的多目標(biāo)演化算法中種群的搜索方向是基于深度優(yōu)先搜索或廣度優(yōu)先搜索，盡管可以加入相應(yīng)的限制策略克服多模子函數(shù)障礙，然而在面對(duì)無(wú)多模子函數(shù)障礙的這類問(wèn)題的情況下，加入限制策略后的算法相對(duì)于原算法的收斂性也受到限制。針對(duì)這個(gè)問(wèn)題，本文受 GPS文檔算法的啟發(fā)，對(duì)目標(biāo)空間進(jìn)行分割，提出了一種基于目標(biāo)

5、空間分割的多目標(biāo)演化算法(MOEA/P)，該算法的種群搜索方向結(jié)合了深度優(yōu)先搜索和廣度優(yōu)先搜索，使得個(gè)體在逼近Pareto前沿的同時(shí)也向Pareto前沿兩端擴(kuò)散，既可以較好地優(yōu)化無(wú)多模子函數(shù)障礙的這類問(wèn)題，也不需要引入額外的限制策略克服多模子函數(shù)障礙，消除由于引入限制策略帶來(lái)的對(duì)收斂性的影響。實(shí)驗(yàn)中，該算法與NSGA、NSGAII算法在CEC2009之前無(wú)多模子函數(shù)障礙的測(cè)試函數(shù)進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，算法明顯優(yōu)于NSGA、NSGA