基于拉馬克學習的多目標優(yōu)化及應用.pdf

1、近些年來，多目標進化算法的研究逐漸成為進化計算研究領域的一個重要內(nèi)容。拉馬克學習理論，從文化進化的理論層次，提供了一種解決問題的新思路。當前，拉馬克學習理論已被引入進化計算，能有效提高其局部搜索能力，逐步發(fā)展成為進化計算的新熱點——密母計算，這為求解多目標優(yōu)化問題提供了一條嶄新的道路。
　　 本文首先回顧多目標優(yōu)化的相關背景。隨后，介紹多目標優(yōu)化的基本概念和經(jīng)典算法。在此基礎上詳細介紹非支配近鄰免疫算法和拉馬克理論。
　　

2、 第三章中通過將拉馬克學習和動態(tài)小生境技術引入非支配近鄰免疫算法，構造了一種求解多目標問題的新方法——基于拉馬克學習的非支配近鄰免疫算法。在算法運行后期加入局部搜索策略，不但加速算法的收斂，而且減少評價次數(shù)。小生境技術的引入提高種群多樣性。
　　 第四章中通過將拉馬克學習和切比雪夫分解方法引入非支配近鄰免疫算法，構造了一種求解多目標問題的新方法——多目標拉馬克免疫算法。在非支配近鄰免疫算法的比例克隆后加入局部搜索策略，不但繼承