求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上 ,利用多目标优化算法的框架 ,把单目标优化问题中的软性约束化为新增的目标 ,把原问题化为一个多目标优化问题 ,然后利用演化多目标优化算法求解转化后的问题 ,分析了该方法处理约束的优势 。

基于约束强度的演化算法

为了克服惩罚函数法存在的罚参数难以选择和控制的主要缺陷,利用个体违反约束条件的程度函数,定义了约束强度指标,并设计了一种新的具有较强全局搜索能力的多父体杂交算子,从而提出一种基于约束强度的有效的演化算法。通过数值验证比较其性能优于现有的一些约束单目标优化演化算法。

代理模型辅助的初始可行解产生方法

采用约束保持法求解单目标约束优化问题时,初始化产生可行解的过程存在计算费时问题。因此提出了代理模型辅助的初始可行解产生方法,采用径向基函数构建代理模型,在初始解的产生过程中,预先使用代理模型估计试验粒子的约束冲突值,若满足约束才进行实际计算,从而减少粒子的评价次数以提高算法效率。采用该方法对多个标准函数进行测试,结果表明,与现有算法相比,所提算法生成相同数量的可行解评价次数会大大减少。该算法可以有效解决利用约束保持法求解单目标约束优化问题时初始解产生耗时的问题。