进化高维多目标优化研究进展

高维多目标优化问题是目标个数多于3的多目标优化问题.尽管进化优化方法在多目标优化问题求解中显示了卓越的性能,但是,对于高维多目标优化问题,已有方法存在目标维数难以扩展、Pareto占优关系无法区分进化个体,以及多样性维护策略失效等困难.因此,高维多目标优化问题的高效求解引起进化优化界的高度关注.本文将分别从新型占优关系、多样性维护策略、目标缩减、目标聚合、基于性能指标的选择、融入偏好、集合进化、变化算子、可视化技术,以及应用等10个方面分类总结近年来进化高维多目标优化的研究成果,通过分析已有研究存在的问题,指出今后可能的研究方向.

一种多目标多约束优化设计的高效包络函数法

实际工程结构优化问题往往具有多个约束甚至多个目标,约束数目与目标数目的缩减对提高优化计算效率具有重要意义。利用包络函数可以使多约束、多目标优化问题转化为单目标、单约束优化问题,甚至可以使具有多个约束和多个目标的优化问题转化为具有单目标的无约束优化问题。提出k次方根包络函数,这种包络函数具有表达简捷、意义明确、方便易用的优点。大量结构优化应用实例证实,这种包络函数的有效性和优越性。

高维多目标优化算法研究综述

当遇到目标数目多于4个或4个以上的高维多目标优化问题时,基于Pareto支配排序的多目标进化算法很难求出近似的Pareto最优解集合,因此,高维多目标优化问题的进化算法研究成为进化算法领域的一个难点问题。本文在分析了高维多目标优化问题研究难点的基础上,概括了高维多目标优化问题的类型,并介绍了含有冗余目标的高维多目标优化问题的目标缩减算法,最后指出了今后该领域的研究方向。

基于高维多目标优化的国网运维指标建模研究

针对国家电网制定的考核方案经常变动,考核单位无法合理分配公司资源的问题,对指标进行高维多目标优化建模,得出一些总体得分较高的资源分配方案供决策者选择。本文针对此模型选用最小二乘法的高维多目标减少算法来去除冗余目标,同时引入一种新的密度评估函数来更有效地收敛到Pareto前沿。实验引用新的密度评估函数NSGA-II算法,且与原NSGA-II算法进行比较。实验结果证明了该模型的有效性和合理性。