改進的遺傳算法求解多目標優(yōu)化問題.pdf

1、多目標優(yōu)化問題一直是科學和工程研究領域的難點和熱點問題。如何有效地求解多目標優(yōu)化問題也一直是學者所追求的目標。早期，求解多目標優(yōu)化常用的傳統(tǒng)的數(shù)學規(guī)劃方法。隨著進化算法的概念被提出，進化算法在最優(yōu)化領域的應用越來越廣泛。進化算法作為一種群體智能搜索方法在解決多目標優(yōu)化問題方面有著很多的優(yōu)勢，如何利用進化算法求解多目標優(yōu)化問題已經(jīng)成為最優(yōu)化領域的一個研究熱點。遺傳算法作為進化算法中的一個典型算法已經(jīng)被廣泛用于求解多目標優(yōu)化問題，它具有全局

2、搜索能力強和不依賴于具體問題的特點。NSGA-II是求解多目標優(yōu)化問題中發(fā)展較快，優(yōu)化效果較好的一種方法。但是NSGA-II算法在解決多目標優(yōu)化問題是也存在一定的不足之處，例如對種群多樣性考慮不足，局部搜索能力較差，快速非支配排序的算法時間復雜度過高等。本文主要針對這些不足，對NSGA-II做出了改進，以提高算法求解多目標問題的性能。
　　本文主要做了以下幾個部分的工作：
　　1.系統(tǒng)地介紹了多目標優(yōu)化問題的相關背景知識，對

3、于求解多目標優(yōu)化問題的算法做了詳細的介紹。重點介紹了使用NSGA-II求解多目標優(yōu)化問題的一般流程?？偨Y了NSGA-II求解多目標優(yōu)化問題具有的優(yōu)點和存在的不足之處。
　　2.針對NSGA-II在求解多目標優(yōu)化問題的時候過于關注解的質量，而對于種群的多樣性考慮不足這一不足之處，提出了一個新的選擇算子。新的選擇算子可以保證保留種群中非支配最優(yōu)解的前提下充分考慮種群的多樣性。同時針對NSGA-II局部搜索能力較弱這一不足，改進了NSG

4、A-II的變異算子，使得NSGA-II能夠具有較強的局部搜索能力。在改進的基礎之上提出了一種新的改進的ISMNSGA-II算法，仿真實驗證明了算法的有效性。
　　3.對于基于種群中個體非支配關系求解多目標優(yōu)化問題的這一類算法而言，構造種群的非支配最優(yōu)解集是算法中關鍵的一步。準確的找到種群的非支配最優(yōu)解集是保證解的質量的關鍵，比較具有代表性的算法是快速非支配排序算法。擂臺賽算法是一種新的構造種群非支配最優(yōu)解集的方法，具有較優(yōu)的時間性