基于膜計(jì)算模型的多目標(biāo)優(yōu)化算法研究.pdf

1、膜計(jì)算作為自然計(jì)算的一個(gè)分支，其目的是從生物細(xì)胞的結(jié)構(gòu)與功能中以及從器官和組織等細(xì)胞群的協(xié)作中，抽象出計(jì)算模型。膜計(jì)算模型被稱(chēng)為膜系統(tǒng)，也叫做P系統(tǒng)，具有良好的并行性、分布性和非確定性等特點(diǎn)。現(xiàn)在膜計(jì)算已經(jīng)廣泛的應(yīng)用到眾多的優(yōu)化領(lǐng)域中。因此，膜計(jì)算是一個(gè)具有重要理論意義和現(xiàn)實(shí)價(jià)值的研究課題。
　　多目標(biāo)優(yōu)化問(wèn)題廣泛存在于科學(xué)研究和工程應(yīng)用中，這些目標(biāo)之間往往相互沖突。目前有很多自然啟發(fā)的算法來(lái)解決這個(gè)問(wèn)題，如遺傳算法、粒子群優(yōu)化算

2、法和基于P系統(tǒng)的優(yōu)化算法等。在這些方法中，因膜計(jì)算模型在解決優(yōu)化問(wèn)題時(shí)能提供豐富的框架，基于P系統(tǒng)的優(yōu)化算法儼然成了當(dāng)前的研究熱點(diǎn)。基于此，本文對(duì)膜計(jì)算進(jìn)行了深入的研究，提出了兩種在膜計(jì)算模型下的多目標(biāo)優(yōu)化算法:
　　(1)提出了基于表層膜指導(dǎo)的低維多目標(biāo)膜優(yōu)化算法。膜計(jì)算作為自然計(jì)算的一個(gè)分支，在單目標(biāo)問(wèn)題方面已經(jīng)取得了一定的研究成果，但是在多目標(biāo)問(wèn)題上還有待挖掘。對(duì)于目前的基于膜計(jì)算模型的多目標(biāo)優(yōu)化算法中，很多算法都把表層膜作

3、為一個(gè)歸檔，存儲(chǔ)搜索過(guò)程中的最優(yōu)解。但它們都忽略了利用表層膜存儲(chǔ)的最優(yōu)解來(lái)指導(dǎo)內(nèi)部膜種群的進(jìn)化。因此本文提出了一個(gè)有效的表層膜指導(dǎo)策略，利用表層膜保存的好的解來(lái)指導(dǎo)內(nèi)部膜種群的進(jìn)化，可以加速種群的收斂，并且這種策略同時(shí)考慮到種群的收斂性和分布性?；谠摬呗蕴岢鲆环N基于表層膜指導(dǎo)的多目標(biāo)膜優(yōu)化算法，簡(jiǎn)稱(chēng)SMG-MOMA。在多目標(biāo)測(cè)試問(wèn)題ZDT和DTLZ上進(jìn)行仿真實(shí)驗(yàn)，并與已有經(jīng)典的多目標(biāo)進(jìn)化算法和多目標(biāo)膜算法作比較，SMG-MOMA算法可

4、以很好地收斂到真實(shí)的Pareto前沿面，是一種有效的多目標(biāo)優(yōu)化算法。
　　(2)提出了基于表層膜指導(dǎo)的高維多目標(biāo)膜算法。由于膜計(jì)算模型在解決優(yōu)化問(wèn)題時(shí)能夠提供豐富的框架，使得其在多目標(biāo)優(yōu)化方面有獨(dú)特的優(yōu)勢(shì)。但是在目標(biāo)超過(guò)三個(gè)的多目標(biāo)優(yōu)化問(wèn)題上，還沒(méi)有相關(guān)的膜算法來(lái)嘗試解決該問(wèn)題。雖然SMG-MOMA算法證明了表層膜指導(dǎo)策略在種群進(jìn)化過(guò)程中起到了很大的作用。但隨著目標(biāo)的越來(lái)越多時(shí)，該指導(dǎo)策略無(wú)法進(jìn)行更有效的指導(dǎo)分配。所以，本文提出了