Pareto强度值实数编码多目标贝叶斯优化算法

摘要

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法:Pareto强度值实数编码多目标贝叶斯优化算法(PSRCMBOA).通过构建这样的网络模型,继而对模型进行抽样以产生新个体.再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力.这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集.对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣.文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计.PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集.对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集.分析发现,为获得高升阻比,返回舱球头半径应选择在0.155～0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6～4.4 m之间、柱段长可在1.2～1.5 m之间.优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计.