论文部分内容阅读
进化算法是在达尔文的进化论思想的基础上，通过模拟生物自然选择与进化过程的求解问题的人工智能技术。因其具有很高的鲁棒性，使其在求解高度复杂的非线性问题中能够得到比较好的有效解。它在处理问题时是将问题的整个参数空间进行编码，从一组节点开始搜索。在搜索过程中，不需要使用求导或者其它方法对目标函数值的信息进行修正。进化算法具有较好的通用性，高度的非线性性，并行性等特点，使其能够快速有效的求得多目标问题的Pareto最优解。 本文根据基于分解的多目标优化算法和分布估计算法的特点，提出了基于分布估计的分解多目标进化算法。数值分析和实验表明:改进后的新算法不仅具有原算法的优点，而且提高了算法的运行速度。将新算法应用于供水调度问题中，新算法的优越性得到验证。 本文主要做了以下几个方面的工作: 1.简要介绍了多目标优化问题的和多目标进化算法研究现状，论文的主要内容及研究意义。 2.简要介绍了多目标问题数学模型和基本概念，介绍了几种典型的多目标进化算法，分析算法的优缺点。 3.简要介绍了基于分解的多目标进化算法与分布估计算法的基本原理与研究现状。 4.由于基于分解的多目标进化算法和分布估计算各有各的优点和缺点，为了提高算法的多样性和均匀性，减少计算时间，提出一种新的基于分布估计的分解多目标进化算法。这种算法将两者结合起来，利用分解算法思想，将多目标问题分解为多个单目标问题，利用分布估计算法思想，对分解后的单目标问题建立概率模型，采样得到最优解。实验分析表明新算法的优越性。 5.将改进的基于分布估计的分解多目标进化算法应用于供水调度问题中，根据数值分析与实验证明改进算法的优越性。