多目标优化问题的研究综述.docxVIP

多目标优化问题的研究概述摘要:本文在查阅相关资料的基础上对多目标优化问题进行了一般性描述，详细介绍了实际生活中存在的多目标优化问题以及解决多目标优化题的几种典型算法, 讨论了各个算法存在的优缺点。关键词: 多目标优化; 进化算法; 粒子群算法; 蚁群算法; 模拟退火生活中, 许多问题都是由相互冲突和影响的多个目标组成。人们会经常遇到使多个目标在给定区域同时尽可能最佳的优化问题, 也就是多目标优化问题。优化问题存在的优化目标超过一个并需要同时处理, 就成为多目标优化问题(multi-objective optimization-problem, MOP)。多目标优化问题在工程应用等现实生活中非常普遍并且处于非常重要的地位,这些实际问题通常非常复杂、困难,是主要研究领域之一。自20世纪60年代早期以来,多目标优化问题吸引了越来越多不同背景研究人员的注意力。因此,解决多目标优化问题具有非常重要的科研价值和实际意义。 实际中优化问题大多数是多目标优化问题,一般情况下,多目标优化问题的各个子目标之间是矛盾的,一个子目标的改善有可能会引起另一个或者另几个子目标的性能降低, 也就是要同时使多个子目标一起达到最优值是不可能的, 而只能在它们中间进行协调和折中处理, 使各个子目标都尽可能地达到最优化。其与单目标优化问题的本质区别在于,它的解并非唯一, 而是存在一组由众多Pareto最优解组成的最优解集合, 集合中的各个元素称为Pareto最优解或非劣最优解。1 多目标优化问题的描述多目标优化问题用文字描述为D个决策变量参数、N个目标函数、m+n个约束条件组成一个优化问题,决策变量与目标函数、约束条件是函数关系。在非劣解集中决策者只能根据具体问题要求选择令其满意的一个非劣解作为最终解。多目标优化问题的数学形式可以如下描述:min y=f(x)=[f1(x),f2(x),…,fn(x)] n=1,2,…,Nst其中: x 为D维决策向量, y为目标向量,N为优化目标总数;为第i个不等式约束,为第j 个等式约束, fn(x)为第n个目标函数;X是决策向量形成的决定空间,Y是目标向量形成的目标空间。和确定了解的可行域, 和为每维向量有哪些信誉好的足球投注网站的上下限。对于多目标优化问题中最优解或非劣最优解可进行如下定义：定义1 对任意的满足且存在有，则向量]支配向量。支配f(x)必须满足一下两个条件：f(x)的支配关系与x的支配关系是一致的。定义2 Pareto最优解是不被可行解集中的任何解支配的解，若是有哪些信誉好的足球投注网站空间中的一点，说为非劣最优解，当且仅当不存在x（在有哪些信誉好的足球投注网站空间可行性域中）使得成立，n=1,2，…，N。定义3 给定一个多目标优化问题，是全局最优化解当且仅当对任意x（在有哪些信誉好的足球投注网站空间中），都有。定义4 由所有非劣最优解组成的集合成为多目标优化问题的最优解集（Pareto optinal set）,也成为可接受解集或有效解集。2 不同算法在多目标优化中的应用多目标优化问题不存在唯一的全局最优解,过多的非劣解是无法直接应用的, 所以在求解时就是要寻找一个最终解。求最终解主要有三类方法: a)生成法, 即先求出大量的非劣解,构成非劣解的一个子集,然后按照决策者的意图找出最终解;b)为交互法, 不先求出很多的非劣解,而是通过分析者与决策者对话的方式逐步求出最终解; c)是事先要求决策者提供目标之间的相对重要程度, 算法以此为依据, 将多目标问题转换为单目标问题进行求解。而这些主要是通过算法来实现的,一直以来很多专家学者采用不同算法解决多目标优化问题,如多目标进化算法、多目标粒子群算法和蚁群算法、模拟退火算法及人工免疫系统等。2.1 多目标进化算法多目标进化算法(MOEA)是一类模拟生物进化机制而形成的全局性概率优化有哪些信誉好的足球投注网站方法,在20世纪90年代中期开始迅速发展, 其发展可以分为两个阶段。第一阶段主要有两种方法即不基于Pareto优化的方法和基于Pareto优化的方法; 第二个阶段就是在此基础上提出了外部集这个概念,外部集存放的是当前代的所有非支配个体,从而使解集保持较好的分布度。这个时期提出的多目标进化算法更多地强调算法的效率和有效性。在这两个阶段中, 比较典型的多目标进化算法有NSGA2、PESA2和SPEA2。对于这三种算法而言, 其优点较多但是其缺点也比较明显的。如NSGA2的优点在于运行效率高、解集有良好的分布性, 特别对于低维优化问题具有较好的表现; 其缺点在于在高维问题中解集过程具有缺陷, 解集的多样性不理想。PESA2的优点在于其解的收敛性很好,比较容易接近最优面, 特别是在高维问题情况下; 但其不足之处在于选择操作一次只能选取一个个体, 时间消耗很大, 而且阶级的多样性不佳。SPEA2的优点在于可以取得一个分布度很好的解集, 特别是在高维问题的求解上, 但是其聚类过程保持