求解多目標(biāo)優(yōu)化問題的混合遺傳算法的研究與應(yīng)用.pdf

1、近來，人們發(fā)現(xiàn)專注于單獨使用遺傳算法具有很大的局限性，如果將多目標(biāo)遺傳算法與其他優(yōu)化技術(shù)之間有效結(jié)合，即混合多目標(biāo)遺傳算法，能夠更加有效、更加靈活的處理實際問題。本文在對NSGA2，SPEA2，MOEA/D算法及PLS算法進行分析的基礎(chǔ)上，針對其不足對這些算法進行了相應(yīng)的改進。設(shè)計了兩種基于PLS的局部優(yōu)化策略，并將其與NSGA2，SPEA2，MOEA/D算法有效地結(jié)合在一起，分別提出了改進的NSGA2算法-INSGA2，改進的SPEA

2、2-ISPEA2算法和改進的MOEA/D算法-IMOEA/D算法。并根據(jù)SPEA2和MOEA/D優(yōu)化機制的特點，結(jié)合新的進化策略，將其以協(xié)同的方式有效地結(jié)合在一起，提出了混合多目標(biāo)遺傳算法HDMOGA算法。然后利用提出的算法分別求解了具有NP難度的基于QoS保證的多播路由波長分配問題(MQRWA)和基于QoS約束的服務(wù)選取問題(QSS)。分別建立了這兩個問題的優(yōu)化模型，并提出了具體的交叉操作，變異操作和局部優(yōu)化策略。針對MQRWA問題，

3、提出了兩種光樹修復(fù)策略RDFS和PRRA，同時提出了基于Prim最小生成樹的初始化策略。針對QSS問題，提出了基于偏好的初始化策略。最后根據(jù)多個指標(biāo)從不同角度對這些算法的性能進行了分析并與最近提出的相關(guān)算法進行了比較。實驗表明，改進的混合多目標(biāo)遺傳算法無論在全局優(yōu)化能力方面還是在局部優(yōu)化能力方面都表現(xiàn)出了較好的優(yōu)越性。
　　混合多目標(biāo)遺傳算法是一個非常熱點的研究領(lǐng)域，但很多方法還不夠成熟，要開發(fā)出具有清晰結(jié)構(gòu)化的高效的混合多目標(biāo)遺