《基於進化算法的高維多目標最佳化問題研究》是依託四川大學，由賀喆南擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於進化算法的高維多目標最佳化問題研究
- 項目類別：青年科學基金項目
- 項目負責人：賀喆南
- 依託單位：四川大學
項目摘要,結題摘要,
項目摘要
進化算法作為實現全局最優的搜尋啟發式算法，已在二或三維的多目標最佳化問題上取得顯著效果。然而，工程和科學領域中多數問題涉及同時最佳化至少四個互相衝突的目標，此類問題稱為高維多目標最佳化問題。目標維數的增加，不僅導致進化算法的Pareto占優關係不能提供足夠的選擇壓力，而且削弱了進化運算元功能。此外，Pareto前沿的可視化和性能評價變得非常困難。因此，傳統的進化算法和可視化方法難以適用於高維多目標最佳化問題。本項目分析以上挑戰，旨在探索基於進化算法的高維多目標最佳化問題，將在以下方面開展研究：1、分析單個個體和整體Pareto前沿的最佳化性能；2、設計有效選擇策略, 開發進化算法；3、提出高維空間中Pareto前沿的可視化方法。本項目的研究，必將有助於進一步奠定基於進化算法的高維多目標最佳化的理論基礎，為高維多目標最佳化問題提供高效算法和有效可視化方法；同時提高進化算法自身搜尋和最佳化能力，增強其套用性。
結題摘要
工程實踐和科學研究中的最佳化問題，包含多個相互衝突，相互競爭的目標，當目標個數大於等於四時，該問題被稱為高維多目標最佳化問題。本項目面向高維多目標最佳化和決策難題，在高維多目標進化最佳化算法和高維空間Pareto前沿可視化方法兩方面開展研究，取得了具有一定國際影響力的研究成果。代表性研究成果如下。1、通過實現種群收斂性和多樣性提升和平衡，首次提出充分挖掘進化算法基於種群的特性，深度提煉目標空間和決策空間地形特徵，全面反映個體解多目標最佳化性能及其抗擾動的魯棒性能，從而提升進化算法在實際高維多目標最佳化問題中的套用能力。2、創新性地從個體性能和種群整體質量兩個維度出發，設計收斂性和多樣性協同度量方法；在此基礎上，提出深入發展進化算法自然選擇理論，改進適者生存機制篩選優秀個體，設計外部存儲空間插入和刪除機制，幫助算法快速適應不確定性環境，進一步增強算法在實際問題中的套用能力。3、突破高維空間大量可行解的存在使得決策者難以篩選符合偏好的最優解的難題，首次提出面向高維多目標決策的高維空間可視化方法，反映各個目標之間的耦合關係、以及最優解對各個目標最佳化程度的區別。提煉最優解在決策空間和目標空間的鄰域信息，計算決策者偏好變化發生時，需要付出的轉移代價。在項目實施過程中，項目組在IEEE Transactions 等計算智慧型領域國際一流期刊和會議上發表論文5 篇，協助培養研究生4 名，項目負責人獲吳文俊人工智慧科學技術獎自然科學三等獎，參加多個重要國際國內會議，開展深入的學術交流與合作。
