元胞多目標(biāo)進(jìn)化算法的改進(jìn)及其工程應(yīng)用研究.pdf

1、進(jìn)化算法作為一種群體智能搜索方法在解決多目標(biāo)優(yōu)化問(wèn)題方面有著許多優(yōu)勢(shì),研究進(jìn)化算法求解多目標(biāo)優(yōu)化問(wèn)題已成為進(jìn)化計(jì)算領(lǐng)域的一個(gè)研究熱點(diǎn),但是在求解復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題時(shí),仍存在收斂性不佳和解的分布性差等問(wèn)題?；诖?為了改善算法的性能,本文提出了2種改進(jìn)的進(jìn)化算法。
　　第一種是基于多策略差分進(jìn)化的元胞多目標(biāo)遺傳算法(MDECell),通過(guò)分析不同差分進(jìn)化模式的優(yōu)劣,結(jié)合元胞模型,定義了一種多策略差分協(xié)同進(jìn)化的選擇算子;針對(duì)當(dāng)前擁擠

2、距離評(píng)估方法存在的缺陷,引入一種基于熵的擁擠距離評(píng)估方法,同時(shí)改進(jìn)了替換策略。通過(guò)實(shí)驗(yàn)證明該算法相對(duì)于非支配排序遺傳算法(NSGA-II)、元胞多目標(biāo)遺傳算法(MOCell)和混合元胞遺傳算法(CellDE)不僅具有更好的收斂性和多樣性,而且在解的覆蓋率上得到一定程度的提高,尤其適合于高維復(fù)雜多目標(biāo)優(yōu)化問(wèn)題的求解。
　　第二種是多策略差分進(jìn)化的元胞多目標(biāo)粒子群算法(MPSOCell),其中該算法在分析粒子群優(yōu)化原理基礎(chǔ)上,將元胞自

3、動(dòng)機(jī)理論融入粒子群算法,研究粒子種群的交流結(jié)構(gòu)和信息傳遞機(jī)制。為了避免粒子飛行速度過(guò)快陷入局部收斂,提出一種限制粒子飛行速度的策略,并引入一種多策略差分進(jìn)化選擇算子增加對(duì)粒子的擾動(dòng)。實(shí)驗(yàn)證明,該算法相對(duì)于比較算法,有更好的收斂性和多樣性。
　　為了進(jìn)一步驗(yàn)證算法的效果,將MPSOCell算法應(yīng)用于桁架結(jié)構(gòu)靜力多目標(biāo)優(yōu)化設(shè)計(jì)問(wèn)題中,通過(guò)對(duì)比實(shí)驗(yàn),MPSOCell算法相對(duì)其他算法收斂精度高,獲得的極端點(diǎn)擴(kuò)展更好,Pareto前端分布更