一种基于稳态的多目标进化算法的研究

摘要

多目标进化算法(MOEAs)已经成为目前现实世界里解决优化问题的一个很重要的工具。而现今流行的多目标进化算法中大多是基于Pareto支配关系,使用各种Pareto评级方式来改进每一代的种群个体,使其最终收敛于Pareto前沿。本文提出了一种新的基于稳态与ε支配的多目标进化算法(SEMOEA)。它利用稳态策略来代替一般的环境选择,通过ε支配关系来保证种群的多样性,通过ε自调整策略来简化初始配置。同时,SEMOEA也是基于精英保留策略的进化算法。在本文的最后一部分会将SEMOEA同SPEA2、NSGA—Ⅱ和IBEA三个经典算法通过多目标0／1背包问题以及ZDT系列问题来进行比较。虽然这几个算法各有所长,但是SEMOEA总的来说具有更好的结果,以及更丰富的种群多样性。

目录

文摘

英文文摘

第一章 绪论

1.1 多目标进化算法简介

1.2 多目标进化算法的发展过程及研究现状

1.3 本文主要工作及文章结构

第二章 多目标进化算法基础

2.1 基本概念

2.1.1 Pareto支配

2.1.2 松弛的Pareto支配关系

2.2 参与比较的算法简介

2.2.1 SPEA2

2.2.2 NSGA-Ⅱ

2.2.3 IBEA

2.3 经典测试问题

2.3.1 多目标0/1背包问题

2.3.2 ZDT问题

第三章 基于稳态和ε-支配的进化算法

3.1 设计思想

3.2 算法流程

3.3 算法剖析

3.3.1 存档的更新

3.3.2 ε的自调整

3.3.3 存档的剪切

3.3.4 算法复杂度的讨论

第四章 测试实验

4.1 离散问题

4.2 连续性问题

第五章 结束语

参考文献

致谢