论文部分内容阅读
现实中遇到的许多问题往往表现为由多个、可能相互冲突的目标构成的多目标优化问题。多年来多目标优化问题尽管已有许多求解方法，然而最近十几年来演化算法已逐渐发展成为解决多目标优化问题的理想方法，特别为求解大规模复杂的多目标优化问题提供了有效的研究方法，因而多目标优化问题也己经成为演化算法领域的研究热点。正因为如此，多目标优化在现实世界中正得到了更广泛应用：在经济学和管理中，用于求解证券投资、通货膨胀和经济增长模型中的多目标决策、运输投资等问题；在工程设计中可用于多目标选址问题、多目标指派问题、多目标设计问题、交通问题等；在网络与通讯中主要应用于网络的拓结构设计组播路由 (mufti-cast)和 Geo-cast 等问题中。随着研究和应用的深入，实际求解问题的复杂性对算法的各种性能等技术发展提出了新的挑战。因此，如何进一步提高演化算法性能，以及在多目标优化领域，如何将有关的杂交策略和多目标优化技巧进行有效的结合从而最终提高问题的求解质量，将是本文研究的关键问题，所有这些研究也将拓展演化算法及其在多目标优化领域的应用研究。本文的主要工作包括：
(1)遗传算法中的种群多样性对遗传算法的收敛等性能具有重要的影响，本文具体分析了遗传算法的演化性能特征、遗传算法的多样性问题，以及影响遗传算法性能的一些主要因素。
(2)为更好的用演化算法来解决多目标优化问题，本文分析了多目标演化算法设计中所要解决的主要各种策略应用问题：适应度赋值方法、群体多样性维护作、选择策略和遗传操作的设计。
(3)基于演化算法中的多父体交叉算子 (GTX)和多目标优化问题的自身特征，借助已有的运用于多目标演化算法中的策略，提出了基于多父体交叉策略的多目标演化算法NSGT，分析了算法的收敛性能、解集分布性能和计算效率，并进一步证明了它的收敛性，并通过5个benchmarks 验证了相关性能。