论文部分内容阅读
很多科学和工程领域中的实际应用问题往往是多目标的,而目标函数间通常都是相悖的。在这种多目标优化问题中并不存在可以使所有目标都达到最优的唯一的全局最优解,而是存在一个由很多甚至无穷多个Pareto最优解构成的解集,显然这样的复杂特性给求解算法带来了极大的困难。由于基于种群迭代的寻优机制使其有机会通过一次运行即获得多个Pareto最优解,进化算法正在逐渐成为近年来求解多目标优化问题的主流算法,而由此衍生的进化多目标优化也成为进化计算领域一个新的研究热点。利用进化算法并行搜索问题的多个最优解并不是其在求解多目标优化问题时才遇到的挑战,多峰优化问题同样要求算法能够获得尽可能多的全局最优解甚至部分局部最优解。于是,将多峰优化的算法机制与进化多目标优化相结合,设计和开发更为鲁棒的新型多目标进化算法无疑是一个值得深入研究的课题。本文采纳系统工程的理论和方法,将用于求解多峰优化问题的Species机制引入到多目标优化算法设计中,通过借鉴进化多目标优化的相关算法思想,提出一种基于Species机制的多目标进化算法体系。本文的主要内容可以归纳为如下几个方面：首先,在对两种经典进化算法(遗传算法和粒子群算法)进行简单介绍的基础上,对多目标遗传算法和多目标粒子群算法的研究现状进行综述。其次,将Species机制引入到多目标遗传算法设计中,通过借鉴一种经典多目标遗传算法(NSGA-Ⅱ)的算法思想,设计面向多目标问题的基于Pareto支配性和Pareto Front拥挤度的Species策略,包括Species种子确定方法以及Species构造方法等,进而提出一种新型的基于Species机制的多目标遗传算法。再次,考虑将Species机制扩展到多目标粒子群算法中,设计基于外部Pareto最优解集的Species种子确定方法以及基于Euclidean距离最近原则的Species构造方法,同时给出种群中个体的个体历史最优解和全局历史最优解的更新方法,进而提出一种求解多目标优化问题的Species粒子群算法。最后,利用在一系列标准多目标优化函数上的仿真实验对所提出算法的性能进行评估和测试,同时对算法中若干关键参数和算子的影响程度进行必要的分析。