解多目標優(yōu)化問題的改進加權(quán)求和算法.pdf

1、在現(xiàn)實世界中,很多實際問題的最終目標都不是單一的,而是要同時達到幾個目標要求。比如,投資問題,希望投入最小,而收益最大,考慮問題時,就不能只考慮單一的目標投入最小或者只考慮收益最大,而是要同時考慮投入最小化并且收益最大化,這就引出了多目標優(yōu)化問題。
　　 隨著電子計算機的發(fā)展,多目標優(yōu)化越來越多地應(yīng)用于工程優(yōu)化設(shè)計、地區(qū)發(fā)展規(guī)劃、數(shù)理經(jīng)濟學、管理決策等各個方面。但是,多目標優(yōu)化問題的研究卻并不完善,很多問題仍然沒有好的解決方法。

2、由于傳統(tǒng)經(jīng)典方法的局限性,近年來越來越多的研究者嘗試使用遺傳算法解決多目標優(yōu)化問題,而且取得了良好的效果。但是,相對于遺傳算法的廣泛應(yīng)用,遺傳算法的理論研究還很不完整,而計算量大,計算速度慢。
　　 在眾多的多目標優(yōu)化方法中,使用最多的算法仍然是加權(quán)求和方法,數(shù)學模型構(gòu)造簡單,容易理解,而且效率較高。但是,經(jīng)典的加權(quán)求和算法存在兩個缺點:無法求解非凸Pareto前沿；解的分布不夠均勻。
　　 針對這兩個問題,本文設(shè)計了改