论文部分内容阅读
本文首先较全面系统地分析了目前国内外研究者在共同进化算法方面所进行的研究工作和所取得的研究成果,提出了线性协同进化模型,并将该算法应用到求解作业车间调度问题中,实验结果显示了该算法的有效性。然后本文力图基于普通的网络环境建立并行计算平台,研究并行遗传算法的应用可能。本文应用MPI编程方法实现了岛模型遗传算法,通过测试基于总线式以太网的并行计算环境的通信性能,给出了岛模型遗传算法的时间模型,并进行了验证。同时本文对近十五年来多目标遗传算法的国内外研究现状进行了较全面地阐述,文章从提高寻找非支配集的速度、在保持群体原有特性的前提下降低非支配集的大小,以及新群体的构造等方面入手,通过基于协同进化和并行化的方法,有效提高多目标遗传算法总体运行效率,降低其计算复杂性,使多目标遗传算法的收敛性能得到进一步改善。最后本文以SPEA为基础,对算法进行了改进。具体提出了:用排除法构造非支配集、用聚集距离刻画个体间的内部关系以及构造新群体,来提高运行速度和保持群体的多样性;用协同进化方法在保持原有特性的前提下,进一步改善收敛性能等。比较试验结果表明,基于协同进化和并行化的多目标遗传算法,在运行效率与保持群体多样性等方面取得了较好效果。