基于混沌鳥(niǎo)群算法的多目標(biāo)優(yōu)化算法研究.pdf

1、在實(shí)際應(yīng)用和科學(xué)研究中，經(jīng)常需要對(duì)某些問(wèn)題進(jìn)行優(yōu)化，而這些問(wèn)題往往伴隨著目的的約束，并且這些優(yōu)化問(wèn)題還同時(shí)擁有著多個(gè)目標(biāo)，需要對(duì)這多個(gè)目標(biāo)同時(shí)優(yōu)化。因此，單個(gè)目標(biāo)的數(shù)學(xué)模型常常不足以描述問(wèn)題的全部特征，而以多個(gè)目標(biāo)函數(shù)為優(yōu)化對(duì)象的數(shù)學(xué)模型常常被采用。研究多個(gè)目標(biāo)函數(shù)優(yōu)化問(wèn)題的求解方法則具有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。采用智能優(yōu)化方法解決多目標(biāo)函數(shù)在指定區(qū)域上的優(yōu)化，稱(chēng)為多目標(biāo)智能優(yōu)化，多目標(biāo)智能優(yōu)化在工程和各種學(xué)科中得到了廣泛的應(yīng)用。本文

2、在新興鳥(niǎo)群算法的基礎(chǔ)上，重點(diǎn)研究了多目標(biāo)進(jìn)化算法，其創(chuàng)新工作主要包括如下兩點(diǎn):
　　由于原始鳥(niǎo)群算法在處理高維變量?jī)?yōu)化問(wèn)題時(shí)，容易陷入局部最優(yōu)且穩(wěn)定性較差。本文將混沌機(jī)制引入鳥(niǎo)群算法中，提出了一種基于混沌的鳥(niǎo)群優(yōu)化算法(CBSA)，實(shí)現(xiàn)了對(duì)原始鳥(niǎo)群算法的改進(jìn)。CBSA在初始化時(shí)通過(guò)邏輯映射在優(yōu)化問(wèn)題的整個(gè)解空間選取個(gè)體，并在一定迭代次數(shù)后給搜索到的最優(yōu)解附加一個(gè)小幅度的混沌擾動(dòng)，避免算法陷入局部最優(yōu)。通過(guò)七個(gè)經(jīng)典的標(biāo)準(zhǔn)測(cè)試函數(shù)，本

3、文算法和經(jīng)典的PSO、BA及初始鳥(niǎo)群算法分別在低維、高維兩種情況下進(jìn)行比較，驗(yàn)證了CBSA算法的優(yōu)越性。
　　此外，將提出的混沌鳥(niǎo)群算法成功應(yīng)用于處理多目標(biāo)優(yōu)化問(wèn)題，提出了一種多目標(biāo)混沌鳥(niǎo)群算法(MOCB SA)。該算法采用混沌鳥(niǎo)群算法的搜索機(jī)制，使用外部精英集保存非劣解集，使用綜合排序操作和改進(jìn)的擁擠距離來(lái)保持Pareto最優(yōu)解集的分布性。通過(guò)在低維、高維ZDT系列測(cè)試函數(shù)和DTLZ系列測(cè)試函數(shù)上的仿真實(shí)驗(yàn)，將MOCBSA和經(jīng)典