一种改进的遗传多目标优化算法及其应用

为解决含多个目标和多约束的优化问题,文中结合非支配排序思想、精英保留策略、小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出以一种向量模适应度函数作为淘汰准则,从而得到一种改进的Pareto遗传多目标优化算法。通过最小化两个多元目标函数,验证了该算法能够获得更加均匀分布的Pareto前沿,避免了局部收敛的问题。在此基础上,将改进多目标优化算法用于PID控制器参数整定,以锅炉过热汽温串级控制系统为例进行了仿真研究。结果表明,改进的遗传多目标优化算法可以获得多组对应不同性能指标的控制器参数,并在对象特性发生变化的情况下,仍能获得较好的控制效果。