應用于多目標優(yōu)化問題的非支配排序差分進化算法.pdf

1、現實世界的很多問題都是多目標優(yōu)化問題。在多目標問題中，各目標之間通常不是獨立存在的，往往互相沖突，因而，不存在單一解向量使得所有目標最優(yōu)，這使得多目標問題難于優(yōu)化。 進化算法啟發(fā)于自然界的生物進化過程。它的潛在并行性及自組織自適應自學習的智能特性對于求解多目標問題具有巨大潛力。近年來多目標優(yōu)化與決策問題已成為進化計算的一個重要的研究方向。 本文首先對國內外進化多目標領域的研究現狀和研究方法進行了系統的歸納和總結，接著分析

2、了當前的一些有代表性的進化多目標算法各自的優(yōu)點和不足之處，并據此提出了一種應用于多目標優(yōu)化的非支配排序差分進化算法。該算法繼承了NSGA-Ⅱ的快速非支配排序和種群多樣性保持策略，同時使用簡單但高效的差分方式取代NSGA-Ⅱ中的模擬二進制交叉和多項式變異的方式產生子代個體。最后，為進一步提高算法性能，在差分方式中融入了直接的收斂信息和擴散信息，收斂信息有助于提高算法的收斂速度，而擴散信息則利于算法所得解的分布。 通過Matlab對