多峰优化遗传算法及多目标优化进化算法研究

摘要

随着应用的不断深入，遗传算法在优化多峰问题中的不足逐渐暴露出来。小生境作为优化多峰问题的一种有效手段，得到了广泛关注，并已经成为遗传算法领域的一个研究热点。目前，小生境技术的设计和理论研究还并不完善。缺乏统一的小生境理论框架模型，难以从理论上分析和比较不同技术方法的小生境形成和维持能力。大多数技术方法都是针对二进制编码或者实数编码的函数优化，由于缺乏描述搜索空间局部性的理论和方法，这些方法难以推广到某些组合优化和特殊的表示问题。本文主要小生境算法的特点进行了研究和探讨，提出了一种多群体小生境的新方法，并采用C++进行仿真实验，测试算法的性能。 现实中的优化问题常常需要同时优化多个目标，这些问题被称为多目标优化问题。本文提出了多目标优化问题的一个通用框架，并分析了其收敛性。 本文的主要工作如下。 （1）设计了一种新的适应值变换方式来产生小生境。适应值共享模型中的适应值变换有三个缺点，即计算量大，难以确定小生境半径，基于离峰值均匀分布的假设。设计的新的适应值变换方式力求克服这些缺点，而又能达到生成小生境的效果。 （2）设计了一种新颖的基因交流方式。本文采用“引进相邻群体最优个体的反码”的方法，收到较好的效果，并进一步提出了“排斥函数”的概念。 （3）分析了一种多目标进化算法框架的收敛性。