论文部分内容阅读
多目标进化算法（Multi-Objective Evolutionary Algorithm, MOEA）是一种新兴的启发式寻优搜索技术，通过模拟自然进化过程中优胜劣汰和随机信息交换的思想来实现种群的进化，其随机并行搜索的特性非常适合于多目标优化问题的求解，一经提出便受到广泛关注。目前，该领域的一个研究热点和难点在于高维目标问题的优化。本文针对高维目标优化问题，围绕如何引入决策者偏好信息降低高维目标种群中非支配解的比例，进而改进传统进化算法在高维目标问题上的求解效果进行了深入研究。首先，借鉴TOPSIS方法和空间区域划分思想，提出一种新型双极偏好占优机制。继而将双极偏好占优关系引入到经典算法NSGA-II中，形成一种新的算法2p-NSGA-II，通过仿真实验验证了算法的有效性。最后，将2p-NSGA-II应用到实际工程两桁架结构设计问题上。本文的主要工作和研究成果如下：1.采用双极偏好概念，更精确表达决策者的偏好信息，并借鉴TOPSIS方法和空间区域划分思想，提出一种新型双极偏好占优机制用于高维目标优化问题的处理。该占优机制同时考虑决策者的正负偏好信息，能够在非支配解之间建立更加严格的占优关系，有效减少种群中非支配解的比例，引导算法快速向靠近正偏好同时远离负偏好的Pareto最优区域收敛。2.将双极偏好占优机制融入到NSGA-II中，通过设计相应的非支配排序策略和解集多样性策略，提出一种基于双极偏好占优的高维目标进化算法2p-NSGA-II，通过仿真实验在2到15目标标准测试函数上验证了算法的有效性。对比仿真实验结果表明2p-NSGA-II算法的求解精度和运行效率，整体上优于g-NSGA-II和r-NSGA-II。3．通过设计约束处理策略，对2p-NSGA-II算法进行了改进，使得算法能够处理带约束的多目标优化问题，以适应实际问题的求解。将改进后的算法应用于工程问题——两桁架结构设计上，分别对两目标和三目标下的桁架结构设计模型进行了优化求解。对比仿真实验结果表明2p-NSGA-II算法在收敛速度、所求解集质量和算法的运行效率方面，整体上优于r-NSGA-II和R-NSGA-II算法。