基于個體排斥的多目標遺傳算法研究.pdf

1、進化算法是一類借鑒生物界自然選擇和自然遺傳機制的隨機化搜索算法，其主要特點是群體搜索策略和群體中個體之間的信息交換，搜索不依賴于梯度信息。它尤其適用于處理傳統(tǒng)搜索方法難于解決的復雜和非線性問題，可廣泛用于組合優(yōu)化、機器學習、自適應控制、規(guī)劃設計和人工生命等領域。隨著進化算法在解決多目標現(xiàn)實問題中所體現(xiàn)出的獨特魅力，越來越多的研究者投入到多目標進化領域的研究上來，進化計算的效率和適用性成為大家研究的一個方向，而其中非支配集的構造技術對算法

2、的性能有著非常大的影響。本文在分析傳統(tǒng)進化算法的基礎上，針對現(xiàn)階段經典遺傳算法存在的不足，提出兩種基于NSGAⅡ框架上的非支配集構造方法：基于個體排擠算法的非支配集構造方法和基于自適應ε支配的個體排擠算法。
　　 本文首先簡要介紹了遺傳算法的起源、國內外研究現(xiàn)狀以及當前流行的幾種進化多目標算法，簡要介紹了基本遺傳算法的基本概念和術語、實現(xiàn)框架以及遺傳算法的特點和發(fā)展趨勢，提出了基于個體排擠算法的非支配集構造方法，將個體比較引入到

3、非支配集構造過程中，與NSGAⅡ有效結合起來，處理多目標進化問題過程中不再讓每一個群中個體依次比較其他個體進行分層，而是通過每兩個個體的比較爭當擂主，通過對兩個標準測試函數(shù)的比較測試，表明基于個體排擠算法構造非支配集引入NSGAⅡ算法中，不但降低了計算復雜度，而且更好了維持了解得分布均勻度。在分析NSGAⅡ和基于個體排擠算法的基礎上，針對個體排擠算法的穩(wěn)定性相對較弱的缺點，引入ε-Pareto支配概念改進遺傳算子，利用該算法在維持種群多