分散搜索算法求解多目標優(yōu)化問題[1]

《分散搜索算法求解多目標優(yōu)化問題[1]》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、662008．44(33)ComputerEngineeringandApplications計算機工程與應(yīng)用分散搜索算法求解多目標優(yōu)化問題劉強，周育人LIUQiang，ZHOUYu—ren華南理工大學(xué)計算機科學(xué)與工程學(xué)院，廣州510640DepartmentofComputerScienceandEngineering，SouthChinaUniversityofTechnology，Guangzhou510640，ChinaE—mail：phap20@hotmail．cornLIUQiang，ZHOUYu-ren．Scattersearchformulti-objectiveoptim

2、izationproblem．ComputerEngineeringandAppfications，2008．44(33)：66—68．Abstract：Scattersearchalgorithmcansolvethemulti—objectiveoptimizationproblemwhichenhancingit'sperformancebyusinggeneticalgorithmcrossoverandmutationoperator．Operatingstrategyofscattersearchisnotbasedontheprincipleofstochastic．Itis

3、basedon“distributing—convergencecollecting”toinerativemechanism．Thispaperanalyzesthescattersearchinmulti—objectiveoptimizationproblemregionandfindstheParetooptimalsolutions．Theexperimentresultsshowthatthisalgorithmiseffective．Keywords：scattersearchalgorithm；geneticalgorithm；Paretooptimalsolution摘要

4、：最近涌現(xiàn)了各種進化方法來解決多目標優(yōu)化問題，分散搜索也是一種可以解決多目標問題的算法。該算法的結(jié)構(gòu)引用進化算法的雜交和變異算子來增強它的性能，但該算法與其他進化算法的不同在于一系列操作策略不再基于隨機性原理，而是運用“分散一收斂集聚”的迭代機制。論文在多目標優(yōu)化問題區(qū)域討論分散搜索算法，尋找多目標的非支配集或Pareto最優(yōu)解。實驗表明，分散搜索算法具有很好的收斂性和分布性。關(guān)鍵詞：分散搜索算法；遺傳算法；Pareto最優(yōu)解DOI：10．3778~．issn．1002—8331．2008．33．021文章編號：1002—8331(2008)33—0066—03文獻標識碼：A中圖分類號：T

5、P301．6在最近幾年以來，很多人關(guān)注的優(yōu)化問題不只是單個目標l1m，1l是目標函數(shù)空間。函數(shù)，現(xiàn)實世界中的優(yōu)化問題通常是多屬性的，一般是對多個目標的同時優(yōu)化。如一個國家的最優(yōu)良性發(fā)展，涉及到經(jīng)濟的定義2給定一個多目標優(yōu)化問題minf(X)，它的Pareto快速增長，社會秩序的穩(wěn)定等多方面。經(jīng)濟快速增長和社會秩最優(yōu)解集定義為序的穩(wěn)定這兩個優(yōu)化目標是相輔相成的，互相促進的。在多數(shù)=)=∈1~1-3XEa,f／x)≤()，q=l，2，?，r)}情況下，被同時優(yōu)化的多目標之間是相互沖突的，如在企業(yè)生定義3(支配關(guān)系)設(shè)P和q是進化體Pop中的任意兩個產(chǎn)活動中，產(chǎn)品質(zhì)量與生產(chǎn)成本是兩個相互沖突的目

6、標。為了不同的個體，稱P支配(dominate)口，則必須滿足兩條件：第一是對所有的子目標，P不比q差，即(P)≤(g)，(k=l，2，?，r)；達到總目標的最優(yōu)化，一般需要對相互沖突的子目標進行綜合．第二是至少存在一個子目標，使P比g好。即f∈{1，2，?，r}，考慮，即對各子目標進行折衷(tradeoffs)。由此，針對多目標的使．(P)≤(g)。其中r為子目標的數(shù)量。因此稱P為非支配的，優(yōu)化問題，出現(xiàn)了多目標進化算法(Multi—ObjectiveEvolution—和q為被支配的。aryAlgorithm，MOEA)，如我們所知的NSGA—II，SPEA2，PESA分散搜索算法(s

7、cattersearch簡稱ss算法)思想擴展到元等進化算法。多目標優(yōu)化通常稱為Pareto最優(yōu)解，它是由Vil—啟發(fā)式算法(meta—heuristic)概念。因此，分散搜索算法具有很fredoPareto在1896年提出的，因此被命名為Pareto最優(yōu)解多不同的算法組成而只需要稍加修改就可以應(yīng)用于不同優(yōu)化(Paretooptimalsolution)。一般地，可以描述如下[31：問題的通用算法框架。ss算法是一種基于