多目标进化优化算法

多目标进化优化算法可以一次性求解多个非劣解,并具有全局优化能力,成为近年来求解多目标优化问题一个重要的研究方向。本文介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

多目标进化算法综述

基于种群的进化算法在一次运行中能够产生一组近似的 Pareto 最优解集,因此多目标进化算法成为处理多目标优化问题中的主流方法。介绍了多目标优化问题中的数学模型以及相关定义,根据多目标进化算法的特点,将现有算法分为4类并分别进行阐述,同时分析了它们的优缺点。     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群。通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力。     

多目标进化算法性能评价指标综述

多目标进化算法常用于解决较复杂的多目标优化问题,该类算法是基于种群的进化算法,通过产生一组近似Pareto最优解集满足决策者偏好。介绍了多目标优化问题背景知识及相关定义,根据评价指标衡量解集特性,将现有算法性能评价指标分为3类并分别进行阐述,分析、比较其特点与区别。     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群.通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力.     

题目：一种支持产品平台设计的多准则模块划分方法

目的：研究多准则约束下的产品模块划分方法,为企业建立稳健的模块化产品平台奠定基础。方法：采用改进的多目标进化算法对建立的多准则模块划分数学模型求解,并采用模糊集合评价机制进行最优解的寻取,得到基于多准则模块划分方法的产品模块划分结果。结论：通过改进的多目标进化算法求解多准则模块划分模型,能够得到有效支持产品平台设计的产品模块划分方案。通过与已有优化方法的比较验证了本文提出的多准则模块划分方法的优越性。     

改进聚类算子的自适应多目标进化算法研究

对多个相互冲突的目标同时优化称作多目标优化问题,为解决多目标问题,多目标进化算法应运而生.在进化算法迭代过程中,算法使用恒定不变的交叉因子和变异因子,这显然不符合种群迭代进化特征,所以需要根据种群初始和种群后期解的收敛情况来定向调整种群进化方向.同时,在采用边界与交叉的聚合算法时,θ支配的聚类算法只参考了解到权重向量的...     

协同进化多目标优化算法在车间调度中的应用

针对车间调度问题计算复杂度较高的特点,将协同进化多目标优化算法应用于车间调度问题。计算实例结果表明,协同进化多目标优化算法应用于车间调度问题不仅可以优化效果,而且能够在一定程度上提高计算效率。     

关于体育选项课策略的数学模型研究

针对体育选项课学生选课满意度低的问题,文章构建关于体育选项课策略的有约束的、多目标、非线性的组合优化模型,并提出利用进化规划算法有效地求解模型,为科学合理地进行体育选项课选课及网络选课软件开发提供理论依据．     

面向大规模农业传感器网络的多目标鸽群优化定位算法

针对单目标优化函数的农业传感器网络定位精度不高问题,基于多目标鸽群优化算法,提出了多目标鸽群定位算法,用于求解传感器网络的多目标优化定位问题.多目标优化函数由空间距离函数与几何拓扑函数构成,通过多目标鸽群优化算法得到其优化解.仿真实验表明,该方法具有良好的鲁棒性,极大地提高了传感器节点的定位精度.     

基于FFO算法的QoS组播路由服务性能优化研究

QoS组播路由服务性能的优化是全球性挑战的话题,此次研究针对如何准确求解符合网络质量要求的带宽、延时等约束条件,提出了一种基于FFO算法的QoS组播路由性能优化模型,引入随机嗅觉搜索策略和概率视觉灵敏性定位策略进行算法优化并利用果蝇味道浓度判定函数求解组播路由问题.通过对比7种进化算法在六种场景中的收敛速度和运行时间以及求解质量,证实PVFFO算法具有明显的优势.希望研究为播路由服务性能优化提供参考.     

蚁群优化算法的理论、改进及应用

蚁群优化算法是一种新型的模拟进化优化算法,为求解复杂的组合优化问题提供了一种新的思路。文章对蚁群优化算法理论及其收敛性进行了分析,并从选择策略、信息素更新、信息素浓度的变异等多方面对蚁群优化算法提出了改进,不仅使其跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,在TSP问题上的应用表明改进算法具有良好的性能。     

基于分布估计的分解多目标进化算法

分解多目标进化算法具有较好的分布性,但群体数量会随着目标数的增加而急剧增加,严重影响算法效率。提出一种基于分布估计的分解多目标进化算法,基本思想:首先将多目标分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生解。数值分析和实验表明,新算法的解不仅具有较好的多样性和均匀性,而且算法的计算复杂度明显低于分解多目标进化算法,尤其是对于三目标优化问题。     

双种群进化策略在求解非线性多峰函数优化中的应用

针对非线性多峰函数的优化问题求解困难,提出一种双种群进化策略快速收敛的算法。首先,对于该类最优化问题使用双种群随机变量作为变异算子,在两个不同的子群间并行进行进化,通过使用不同的突变算子策略,实现种群在求解空间具有尽可能分散地搜索的同时在局部也具有尽可能细致的搜索能力。通过子群重组实现子群间的信息交换,通过仿真实例可看出,该算法在非线性多峰值函数优化问题中,具有求解精度较高,收敛速度较快等特点。     

组合优化问题求解的计算模型研究

优化技术是一种以各种形式的数学处理方法为基础,用于求解各种工程问题优化解的应用技术。如何有效地求解组合优化问题现在仍是一个公开的困难问题。以遗传算法、模拟退火算法和蚁群算法为代表的智能优化算法的出现,为解决组合优化问题提供了一条新的途径。但智能优化算法目前仍存在许多问题需要进一步研究,如数学基础不够完善,研究结论相对分散等。建立一个智能优化算法求解组合优化问题的计算模型,可以将各种算法形成一个统一的算法结构框架,并对该模型中的操作算子进行了相关研究。     

函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

供应链背景下企业物流库存管理优化研究

随着互联网技术的发展,企业竞争愈发激烈,并演化为供应链之间的竞争。为了优化供应链背景下企业物流库存管理,利用VMI模式探讨库存-路径问题,基于协同论和NSGA-Ⅲ算法构建物流配送多目标协同效应模型,并研究系统协同效应模型得到的系统协同贡献度,利用NSGA-Ⅲ算法求解模型,以获得Pareto最优解。实验结果表明,改进后的NSGA-Ⅲ算法具有更好的收敛性和更快的运行速度,得到的Pareto解集更加接近真实最优前沿面。并且F₁求解结果优于F求解结果,各个子目标之间具有协同作用,结合系统协同效益模型优化原来的多目标模型具有一定的有效性。说明研究提出的模型能够实现供应链整体利益最大化,并促进供应链物流配送的多目标协同管理。     

求解TSP问题一种混合进化算法

进化算法是解决优化问题的一种新型方法.与现存的优化算法相比,这种方法有几个优点:它不仅能用于非线性函数,还通常能以概率收敛到全局最优解.基于一种新的变异算子和局部搜索技术,提出了一个求解旅行商问题的的新的进化算法.新的进化算子可以保证约束条件自动满足,局部搜索技术简单易行.另外,对迭代方法做了收敛性分析,给出了收敛的必要条件和充分条件.并进行了计算机模拟.结果表明本文算法是有效的,是一种适用于很多类型组合优化问题的有效方法.     

基于PSO的电力系统环境经济负荷调度

针对基于线性加权和处理成单目标优化问题的传统方法存在的缺陷,提出使用粒子群优化算法求解EELD多目标优化问题。该方法通过对粒子群算法个体极值和全局极值选取方式的改进,实现了对EELD多目标优化问题的非劣最优解集的搜索,为决策者提供了丰富的参考信息。在此基础上,应用模糊满意度方法求出的最优折衷解为调度运行人员提供了最佳调度折衷方案。最后,对一个三机系统进行了测试,并与线性加权人工神经网络法进行了比较分析,仿真结果验证了该方法的有效性。