在现实的真实世界中有很多问题都是基于多目标的。多目标优化是近年来迅速发展起来的一门新兴学科。 进化算法(Evolutionary Algorithm:EA)作为优化算法来解决复杂的多目标优化问题具有一定的优势。Schaffer在二十世纪80年代中期提出了VEGA,它是使用进化算法来解决多目标优化问题的第一次实现。现在的进化多日标算法大致可以被分为三类:(1)聚合法:这种方法是将多个目标聚合成一个目标函数来进行优化。(2)基于群体的非Pareto法,如VEGA:(3)基于Pareto的方法,如SPEA(Strength Pareto Evolutionary Algorithms),它是最好的进化多目标优化算法之一。 根据对GA存在问题的思考以及对人类思维进步的分析,模仿人类社会中存在的趋同和异化现象,思维进化计算(MEC)。经过几年来的理论和实验研究,目前思维进化计算在理论上已经有了很大的发展,同时也广泛应用于一些实际问题,所有这些工作已经为MEC建立了一个初步完整的体系。 本文提出一种多目标优化算法SP-MEC。它将Pareto理论和某利得分机制引入到基本MEC中来解决多目标优化问题的。 SP-MEC的基本思想是:(1)首先在整个解空间散布一些个体,根据它们的得分选择一些最好个体作为子群体的初始中心,该得分反映个体问的统治关系和密度信息。(2)每个子群体从这些初始中心出发,仅搜索一个局部区域来逐渐地向Pareto前沿漂移。(3)在漂移的过程中,算法会调整各子群体的搜索范围和前进方向。上述(1)和(3)称为异化操作,(2)称为趋同操作。