Kriging模型改进的多目标优化算法研究

将基于模糊C均值聚类改进的多目标优化算法(A fuzzy c-means clustering based evolutionary algorithm, FCEA)与高价单目标优化算法(Efficient global optimization,EGO)进行融合,基于Kriging模型提出了一种改进的多目标优化算法(FCEA-EGO)。在FCEA-EGO算法寻优过程中,利用模糊C均值聚类算法从整个种群中选择相似个体进行遗传操作,引导算法进行寻优;基于EGO算法的校正点选择机制,逐步修正校正点,提高Kriging模型精度。实验结果表明,FCEA-EGO算法相对于典型的高价多目标优化算法MOEA/D-EGO、ParEGO、SMS-EGO具有更优异的求解能力。最后,基于FCEA-EGO算法对某轻型飞机的齿轮减速器进行了优化设计,验证了其求解实际工程优化问题的能力。