基于进化计算的多目标优化与决策方法研究

几乎绝大部分优化问题都有多个目标，以往的多目标(即属性或标准)被合成一标量目标函数。通常使用线性组合(加权)多个目标或者把目标转换成约束的方法。这些方法获得的解对标量化过程中的权重非常敏感，并且要求具有问题的先验知识。而且实际的多目标问题的最优解是一Pareto最优解集而不是一个点。 进化计算来源于自然界进化过程的灵感和进化思想的观点。它的潜在并行性及自组织、自适应、自学习的智能特性对于求解多目标优化问题具有巨大的潜力。近年来多目标优化与决策问题求解已成为进化计算的一个重要研究方向。 本文介绍了传统多目标优化与决策的研究和国内外在进化多目标优化与决策方面的研究进展。文中分别研究了进化计算和多目标优化与决策理论，在此基础上用进化计算的方法来研究多目标优化与决策问题。文中主要研究了下面几种多目标优化算法：多性别遗传算法、向量评估算法、非劣分层算法、小组决胜算法。并将小生境共享技术推广到多目标问题，研究了小生境尺度设计。通过实验对其算法性能、收敛特性、种群的分布特性、参数选择、计算效率等方面作了具体分析，并在此基础上对算法作了一些改进。 本文所作的基于进化计算的多目标优化与决策方法研究在解决实际的优化问题中具有一定的应用价值，对于工程技术、经济、管理、军事、运筹学和系统工程等众多方面的优化与决策问题有重要作用。