论文部分内容阅读
为了提高多目标优化问题的求解效率，提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法（ MOKGA）。 MOKGA采用物理规划法将多目标优化转化为单目标优化，然后构建目标函数的考虑约束的EI（Expected Improvement ）模型，并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明，与理论解相比，MOKGA算法有很好的优化结果；与NSGA II相比， MOKGA有很快的收敛性。