双目标区间值规划的免疫遗传算法

探讨求解双目标区间值规划的免疫遗传算法。算法设计中,利用个体间的支配关系,将种群划分为优质、劣质种群,并沿着不同进化方式产生优质和多样个体;利用新拥挤模型,剔除种群中冗余个体,确保进化种群中个体分布的均匀性。数值比较实验表明,该算法在获解质量和解分布方面有一定优势。

求解双目标区间值规划的粒子群优化算法

针对双目标区间值规划问题,设计粒子群优化算法进行求解。该算法借助区间数相关理论和区间可能度对粒子的优劣进行比较;利用目标空间中候选解所对应的位置关系建立拥挤度模型,去除种群进化中出现的相近个体;凭借粒子群外部种群存储非支配粒子,引导和加速整个粒子群的进化,从而使整个粒子群向Pareto最优解靠近。该算法进化种群规模小、参数少、结构简单,比较性实验显示,该算法在寻找最优解的速度、质量等方面均有一定的优势,能够有效解决双目标区间值规划问题。