基於排序法和分解的高維多目標演化算法研究

《基於排序法和分解的高維多目標演化算法研究》是依託陝西師範大學，由代才擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於排序法和分解的高維多目標演化算法研究
• 項目類別：青年科學基金項目
• 項目負責人：代才
• 依託單位：陝西師範大學

項目摘要

科學和工程領域中存在著許多的高維多目標最佳化問題（目標個數大於4）。本項目對高維多目標最佳化問題的求解方法展開了深入研究，探索了新的研究方法，克服了當前研究的局限和缺點。本項目的主要研究內容包括兩個方面：一方面，從本質上分析了基於Pareto最優概念的排序法的缺陷，提出了高維多目標問題的排序新方法；另一方面，分析了現有的演化算法求解高維多目標最佳化問題的缺陷,提出了出了一種基於分解和排序方法的演化模型，設計了基於自動學習機的交叉運算元來提高算法的搜尋效率，設計了新的基於分解的更新策略來更好地維持解的多樣性，最後將設計的交叉運算元、更新策略與所提出的演化模型結合起來用於求解高維多目標最佳化問題，開發出具有很強通用性和魯棒性的高維多目標演化算法。本項目的研究成果對高維多目標最佳化問題的求解方法起到了積極的推動作用。同時，因為工程領域中存在著許多的高維多目標最佳化問題，因此這個項目也具有很大的實際意義。

結題摘要

多目標演化算法是一類有效地解決多目標最佳化問題的方法，它的主要目標是找到一組具有很好的多樣性和收斂性的代表解集，但是對於高維多目標最佳化問題（目標個數大於4），大多數現存的多目標演化算法的性能隨著目標個數的增加而嚴重下降。本項目主要研究如何平衡高維多目標進化算法的收斂性和多樣性。為實現這個目的，我們設計了基於格線的支配法，克服用Pareto最優解概念排序導致最優解數目太多的缺陷（比較解之間的優劣是大多數演化算法的基礎）；設計了一個自適應調整權重向量的策略來提高基於分解的演化算法的性能；設計了基於分解和距離函式的適應度函式來平衡多樣性和收斂性；設計了一個多搜尋策略來幫助交叉運算元產生優秀的後代進而提高收斂性；設計了一個基於分解的交叉運算元，它可沿著下降方向（或上升方向）搜尋來提高搜尋效率；提出了一個基於分解和排序法的高維多目標演化模型來平衡多樣性和收斂性。通過本項研究內容，為高維多目標演化算法設計和套用提供新方法。發表論文24篇，其中SCI論文12篇，EI論文9 篇。