基于分解的交互式偏好多目标进化算法研究

摘要

多目标进化算法作为一种通用的工具广泛应用于工程领域。进化算法是一种启发式算法，已经发展成为一个新的研究热点。自上世纪90年代，随着进化算法的蓬勃发展，大量多目标进化算法应运而生。基于分解的多目标进化算法，是当今最流行的多目标进化算法之一，引发了广泛关注。交互式方法是一种新趋势，该方法可以描述为用户以交互的方式搜索过程直到得到用户满意的解。本文的方向是基于分解的偏好式交互多目标进化算法，主要进行了以下三个方面的工作：
　　1.以基于分解的多目标进化算法为基础，设计了交互式基于区域的分解式多目标进化算法，首先，该算法提出了一种新的基于区域的偏好模型，优化只在偏好区域内进行，极大的降低了计算复杂度。其次，算法中提出了一种灵活的交互条件，能允许用户提供任意的偏好信息并得到用户满意的结果，同时可以允许用户做出试探性、不准确的决策，并在算法过程中不断修改先前的决策信息。
　　2.提出了基于目标域分解的交互式偏好多目标进化算法，首先，该算法用一组均匀分布的权重向量将目标域空间分解成一系列子目标域空间，将子目标域空间当作一个外部精英集，存储在该区域的历史最优解。其次，根据 Maximin算子的值作为个体的适应度函数值，其选择个体的时候可以同时考虑到个体的非支配性和多样性。最后，提出了一种简单易操作的基于区域的交互式偏好方法，根据用户提供的信息可以迅速找到对应的子目标空间并对其优化。实验说明，该算法具有较好的多样性和收敛性，并可以直接处理用户提供的偏好信息，得到用户满意的结果。
　　3.提出了基于分解的加速聚合多目标进化算法。算法中，首先，对种群中的每一个个体采用学习机制进行局部改进，通过对每个子目标空间中个体局部改进，另外在算法中引入了RBF神经网络，将目标域的局部改进个体的值映射到对应的决策域空间中，能加快算法的收敛速度，同时在不改变算法多样性的前提下，提高算法的收敛性。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1多目标优化

1.2偏好多目标优化

1.3交互式偏好多目标优化算法的研究现状

1.4论文结构安排

第二章 交互式基于偏好区域的分解式多目标进化算法

2.1引言

2.2基于分解的多目标进化算法

2.3交互式基于偏好区域的分解式多目标进化算法

2.4实验分析

2.5小结

第三章 基于目标域分解的交互式偏好多目标进化算法

3.1引言

3.2目标域分解

3.3基于目标域分解的多目标进化算法

3.4交互方法

3.5实验分析

3.6本章小结

第四章 基于目标分解的加速聚合多目标进化算法

4.1引言

4.2 RBF神经网络

4.3基于目标分解的加速聚合多目标进化算法

4.4实验分析

4.5本章小结

第五章 总结与展望

5.1研究结论

5.2研究展望

参考文献

致谢

作者简介

1.基本情况

2.教育背景

3.攻读硕士学位期间的研究成果