多目标遗传算法、NSGA、经典文章NSGA-2算法、pareto最优解集的进展研究.pdf

总第 223期

2008年第 5期

　　　　　　　　　　　　　

计算机与数字工程

Computer & Digital Engineering

　　　　　　　　　　　　　　

Vol. 36 No. 5

　　16　　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

多目标演化算法的进展研究

Q iW eixi　L i B in

(

D epartm ent of Computer Science,W uhan U niversity of Technology, W uhan　430070

)

A bs trac t　First, this paper review s the origins of MO EA s, and gives its corresponding m athem atical descrip tion. N ext, it

analyzes the original classicalM O EA s and their achievem ents and shortage. L ater on, the new ly developed 2

nd

A s are discussed w ith details. Finally, som e p rom ising p rospects are p redicted.

Key w o rds 　MO EA s, m ulti - objective op tim ization, pareto non - dom inance

C la s s N um be r　TP301. 6

。MOP的本质在于 ,大多数情况

下各子目标可能是相互冲突的 ,某个子目标的改善

可能引起其他子目标性能的降低

。所以 MOP的

解表现为一组均衡解或者折衷解 ,即所谓的 Pareto

最优解集。

传统的多目标优化方法是将各个子目标聚合成

一个带正系数的单目标函数 ,系数由决策者决定 ,或

求解多目标优化问题 ,因为它们可以在单轮模拟过

程中找到多个 Pareto最优解 ,通过逐代组合寻找具

有某些特征的个体

目标需要同时优化的问题 ,而且大多数情况下子目

标之间是相互制约的。类似于单目标优化的单个

最优解在 MOP中是不存在的 ,只存在某种折衷解

其中 x =

∈X, y =

有 n个决策变量、k个目标函数和种约束。

收稿日期 : 2007年 12月 21日 ,修回日期 : 2008年 1月 14日