《多目標差分演化算法的研究與套用》是依託中山大學，由王甲海擔任項目負責人的面上項目。
基本介紹
- 中文名：多目標差分演化算法的研究與套用
- 項目類別：面上項目
- 項目負責人：王甲海
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
工程實踐中的方案設計、社會發展和國民經濟中的規劃與決策，大多為多目標最佳化問題。和傳統的方法相比，智慧型最佳化算法更適合求解多目標最佳化問題。差分演化是一種新興的智慧型最佳化算法，最初主要用於單目標最佳化，最近逐漸用來解決多目標最佳化問題，但現在對於多目標差分演化的研究與套用還處於初級階段，還沒有太多較成功的標誌性算法。為了進一步提升多目標差分演化方法的性能，針對現有多目標差分演化算法中存在的問題，本課題從以下幾個方面加以研究：研究差分演化算法本身的變異、交叉和選擇等運算元及其變種對多目標最佳化的影響；引入新的多樣性保持機制；研究解決離散多目標問題的多目標差分演化算法；引入顯式的積木塊標識和發現機制。然後把提出的多目標差分演化算法用於解決多目標連續函式最佳化問題、多目標離散問題，和數據挖掘中的多目標聚類和特徵選擇問題，以測試算法的性能和拓寬算法的套用領域。
結題摘要
工程實踐中的方案設計、社會發展和國民經濟中的規劃與決策，大多為多目標最佳化問題。和傳統的方法相比，智慧型最佳化算法更適合求解多目標最佳化問題。差分演化是一種新興的智慧型最佳化算法，最初主要用於單目標最佳化，最近逐漸用來解決多目標最佳化問題。為了進一步提升多目標差分演化方法的性能，針對現有多目標差分演化算法中存在的問題，本課題從以下幾個方面加以研究：充分利用種群中個體的適應度和分布信息，提出了幾種新的變異運算元；引入顯式的積木塊標識和發現機制，來改善差分演化的交叉操作；提出了單目標引導的多目標差分演化算法框架；提出了方向偏好的多目標算法最佳化算法框架。另外提出了其他幾種混合智慧型最佳化算法。把提出的算法用於解決多目標連續函式最佳化問題、多目標離散問題，和實際領域中的多目標問題，如多目標車輛路徑規劃問題，數據挖掘中的多目標子空間聚類問題，以測試算法的性能和拓寬算法的套用領域。
