多目標演化算法研究.pdf

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

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

3、個問題，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體的更新，較好地克服多模子函數(shù)的誤導。通過新版本算法與原版本的CGPS算法以及CEC2009競賽的第一名算法MOEA/D(multi-objective evolutionary alg

4、orithm based on decomposition)實驗對比可知，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，盡管可以加入相應的限制策略克服多模子函數(shù)障礙，然而在面對無多模子函數(shù)障礙的這類問題的情況下，加入限制策略后的算法相對于原算法的收斂性也受到限制。針對這個問題，本文受 GPS文檔算法的啟發(fā)，對目標空間進行分割，提出了一種基于目標

5、空間分割的多目標演化算法(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，使得個體在逼近Pareto前沿的同時也向Pareto前沿兩端擴散，既可以較好地優(yōu)化無多模子函數(shù)障礙的這類問題，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的對收斂性的影響。實驗中，該算法與NSGA、NSGAII算法在CEC2009之前無多模子函數(shù)障礙的測試函數(shù)進行對比實驗，實驗結(jié)果表明，算法明顯優(yōu)于NSGA、NSGA