分解進化算法在跨組織邊界物流資源分配中的應(yīng)用.pdf

1、現(xiàn)實生活中，人們都是追求成本最小，收益最大，二者往往是相互沖突的。實質(zhì)上，這就是一類典型的多目標優(yōu)化問題。多目標優(yōu)化問題指的是需要同時優(yōu)化相互沖突，相互約束的多個目標，最終解集并不是唯一的，而是一系列近似Pareto最優(yōu)解構(gòu)成的集合。因為進化算法運行一次能夠提供大量的Pareto最優(yōu)解，且不受目標函數(shù)數(shù)學性質(zhì)的影響，因此利用進化算法求解多目標優(yōu)化問題成為進化計算領(lǐng)域近年來的研究熱點。
　　本文針對目前MOEA/D中引入全局替換策略

2、時，固定的替換鄰域難以維持種群在算法進化過程中的多樣性與收斂性平衡問題展開深入的研究，提出一種自適應(yīng)調(diào)整全局替換鄰域大小的策略，并融入到MOEA/D中，進而提出一種改進的分解類多目標進化算法。為驗證策略的有效性，進行了一系列的仿真對比實驗，主要工作圍繞以下幾個方面展開:
　　1.介紹跨組織邊界的物流資源優(yōu)化配置問題，給出一種常見的資源分配模型及相關(guān)的多目標優(yōu)化問題的數(shù)學定義。
　　2.利用本文改進的分解類多目標算法對跨組織邊

3、界物流資源分配問題進行求解，貼合實際的物流類問題，給出一種適用于求解該類問題的分解類算法，其中包含具體編碼轉(zhuǎn)變，幾種經(jīng)典的多目標進化算法在物流問題上的性能對比分析等。
　　3.通過一系列的仿真實驗，分析全局替換時，替換鄰域的大小能極大地影響算法的性能，進而得出替換鄰域大小具體對算法多樣性及收斂性的影響，據(jù)此，提出一種自適應(yīng)調(diào)整替換鄰域大小策略，結(jié)合全局替換技術(shù)，二者融入在MOEA/D中，提出一種改進的分解類多目標進化算法，并在ZD