用于解決高維多目標優(yōu)化問題的偏好算法.pdf

1、人工免疫系統(tǒng)是一種高度進化、并行的分布式自適應系統(tǒng),擁有著生物免疫系統(tǒng)所具備的較強的學習、記憶、識別和特征提取能力。人工免疫系統(tǒng)就是借鑒這些原理和機制所發(fā)展起來的,其具有一定的信息處理能力并能成功應用于工程和科學研究中。人工免疫算法正是基于此免疫系統(tǒng)的學習算法,是人工免疫系統(tǒng)研究的主要內(nèi)容之一。本文以提高人工免疫算法的搜索性能和節(jié)約計算資源為動機,研究了基于人工免疫系統(tǒng)的偏好多目標優(yōu)化算法,主要分為以下三個方面的工作:
　　1.提

2、出了一種新的基于參考方向的免疫克隆算法。該算法使用基于參考方向的方法為種群個體分配偏好等級,優(yōu)先選取離偏好區(qū)域較近的精英個體填充活性抗體種群,并通過按比例克隆提高偏好等級高的個體被克隆的機會,接著使用能很好地處理帶有高維決策變量優(yōu)化問題的智能交叉算子進行交叉操作,最后算法還整合了光束搜索模型來選取外部種群,以保證最終輸出的解集在決策者的偏好區(qū)域內(nèi)。經(jīng)過實驗驗證,此算法能夠成功解決高維多目標優(yōu)化問題,甚至在目標向量維數(shù)高達100維時,相比

3、于其他幾個對比算法也能保證最優(yōu)的收斂性。
　　2.提出了一種新型的基于角度的偏好選擇機制?，F(xiàn)有的多數(shù)偏好選擇機制步驟較復雜,有的還需要使用計算量較大的伸縮函數(shù),于是構建一種簡單易行的偏好方法就成了我們做這個工作的出發(fā)點。這里新提出的偏好選擇機制實質(zhì)上是利用解向量與偏好方向之間的夾角值大小來作為解的選擇標準,十分易于理解和操作。我們把其與經(jīng)典的基于非支配緊鄰選擇的多目標免疫算法(NNIA)相結合,將其主要用于活性種群和外部種群的選擇

4、,成功地解決了高維多目標優(yōu)化問題,相比于其他偏好算法和偏好算子在收斂性方面表現(xiàn)出了絕對的優(yōu)勢。
　　3.本章通過將上一章所提出的算法中外部種群的選擇方式變?yōu)楦鼮榻?jīng)典的光束搜索模型,并對基于角度的偏好選擇機制的活性種群選擇過程進行自適應處理,提出了改進版的基于角度偏好選擇機制的免疫克隆算法,彌補了上一章工作在某些測試問題上所表現(xiàn)出的明顯缺陷。實驗證明,改進后的算法能夠在4到10目標的DTLZ1,DTLZ2和DTLZ3問題上都表現(xiàn)出穩(wěn)