论文部分内容阅读
多目标优化问题一直是科学和工程研究领域的难点和热点问题。如何有效地求解多目标优化问题也一直是学者所追求的目标。早期,求解多目标优化常用的传统的数学规划方法。随着进化算法的概念被提出,进化算法在最优化领域的应用越来越广泛。进化算法作为一种群体智能搜索方法在解决多目标优化问题方面有着很多的优势,如何利用进化算法求解多目标优化问题已经成为最优化领域的一个研究热点。遗传算法作为进化算法中的一个典型算法已经被广泛用于求解多目标优化问题,它具有全局搜索能力强和不依赖于具体问题的特点。NSGA-Ⅱ是求解多目标优化问题中发展较快,优化效果较好的一种方法。但是NSGA-Ⅱ算法在解决多目标优化问题是也存在一定的不足之处,例如对种群多样性考虑不足,局部搜索能力较差,快速非支配排序的算法时间复杂度过高等。本文主要针对这些不足,对NSGA-Ⅱ做出了改进,以提高算法求解多目标问题的性能。本文主要做了以下几个部分的工作：1.系统地介绍了多目标优化问题的相关背景知识,对于求解多目标优化问题的算法做了详细的介绍。重点介绍了使用NSGA-Ⅱ求解多目标优化问题的一般流程。总结了NSGA-Ⅱ求解多目标优化问题具有的优点和存在的不足之处。2.针对NSGA-Ⅱ在求解多目标优化问题的时候过于关注解的质量,而对于种群的多样性考虑不足这一不足之处,提出了一个新的选择算子。新的选择算子可以保证保留种群中非支配最优解的前提下充分考虑种群的多样性。同时针对NSGA-Ⅱ局部搜索能力较弱这一不足,改进了NSGA-Ⅱ的变异算子,使得NSGA-Ⅱ能够具有较强的局部搜索能力。在改进的基础之上提出了一种新的改进的ISMNSGA-Ⅱ算法,仿真实验证明了算法的有效性。3.对于基于种群中个体非支配关系求解多目标优化问题的这一类算法而言,构造种群的非支配最优解集是算法中关键的一步。准确的找到种群的非支配最优解集是保证解的质量的关键,比较具有代表性的算法是快速非支配排序算法。擂台赛算法是一种新的构造种群非支配最优解集的方法,具有较优的时间性能。本文针对擂台赛算法存在的一些不足之处做出了改进,提出了一种改进的擂台赛算法。改进之后的算法能够准确地找到种群的非支配最优解集,通过能够有效地减少构造种群非支配最优解所需时间。仿真实验证明了算法的有效性。