浅析差分进化算法的多目标优化方法研究.pdfVIP

龙源期刊网

浅析差分进化算法的多目标优化方法研究

作者：杨斌

来源：《祖国》2017年第03期

龙源期刊网

龙源期刊网

摘要：无论是在生活经济还是在人文科学方面，人们所遇上的大部分问题在某种程度上能

归成多目标方向的优化问题这一类当中。在面临这样的问题时，很多时候需要对多个目标进行

优化，然而在优化的同时还需要考虑所优化的问题之间存在着相互抵御的矛盾关系，具体表现

为在优化的同时会冒出一方面越来越好可是另外一个方面却越来越差劲的窘况，所以这从正面

反映了对问题进行多目标优化的难度是不小的。但是在各种领域当中，多目标优化是人们所追

求的快速方法，所以本文以差分进化算法的多级目标优化方案进行了探究。

关键词：算法研究差分优化多样性

一、研究背景及目的

人类通过了社会自然的漫长的考验最终开始进化，于是在解决生活中复杂问题的的同时，

合理对问题进行优化安排成为了人们的首要研究问题。于是，各种各样的算法就产生于求解问

题的方法。进化算法中包含了重要的差分进化算法，这是一种智能型的优化方法，特点在于可

调节参数不多、内容简单、持续性强、结构单一。在日常生活中多目标优化对人们发展具有相

当重要的意义。对人们生活的影响方面涵括了如下表1所示。

龙源期刊网

表1多目标优的发展

二、差分进化

（一）差分进化算法构理

差分进化法是新兴的一种计算的算法，它最基本的特点就是拥有集体共享的特点，可以这

么说，差分进化法可以在自然种群的个体通过竞争与合作的关系来实现对复杂问题的优化以及

提供必要的解决方法。这种算法与遗传算法的最大一个区别就在于他们对变异的操作不同之

上，例如，差分进化算法中的变异操作属于变量中向量的一种，是在个体的染色体差异之间进

行的。算法的实现是建立在两个正在变异的个体之间的染色体差异之上的。接着，在选择变异

个体之前，对另外一个随机抽取的目标进行整合，提取必要的参数的数据，对合适的目标开始

研究，继续产生一个新的个体进行下一个类似的实验。

（二）差分进化算法模型流程

从差分进化算法的基本数据结构与方法来看，差分進化算法已经广泛开始应用于自动化控

制、规划、设置、组合、优化、机器人、人工生命等重要的领域当中去。对于差分进化算法模

型流程可由如下图1所示

三、多目标优化

（一）多目标优化的研究现状

多目标进化算法是为了解决现实生活中存在的难以用单一的目标来解决的难题。毕竟在生

活琐事中总能遇到不同的多目标优化问题，放任不理之后，久而久之就会越来越难处理这些问

题。于是为了找到新颖简便的法子，会让学术家们花很多的精力。在历史当中，多目标最优决

策的方法最先是由英国的一名数学家Pate指出，随后他圈概出了最优解的概念。在那个时候

确实有很好的影响目的。距现在一百多年前，在寻求多目标优化的问题之上学术家们发表了无

数不完美的优化方法，传统上有加权和法、目标规划法的方法。所以一百多年前进化算法就已

经开始了兴起。为此，学术家们贡献了大量的精力去进行计算数值来寻求解决进化算法的难

题。

（二）多目标优化方法

在上一世纪的三四十年代，对多目标问题的优化问题探究就引起了普遍的科学家们的重

视。发展至今，优化的方法就从很多不同的的角度对问题进行了归纳和总结，并且提出了解决

的辦法，顺带着给出了多目标问题最优解的原始概念。在那个世纪，学术科学家们会把注意力

放在简单的单一优化方法中，用传统的办法对问题进行简单的优化。于是在那时候就提出了很

多关于求解多目标优化问题的方法，例如，目的计划法、平均和法。从那时候开始，更简便的

龙源期刊网

进化算法开始在学术家们当中以迅雷不及掩耳之势发展开来，至此，科学家们又将自己的主要

兴趣放在求解多优化的问题发展中去。下面多目标优化方法如图2所示。

四、结语

在现代生活中，技术人员对于实现人工智能已经不是难题，把人工智能与运筹学以及控制

理论等方面的方法进行融合，将静态与动态的优化等方法进行结合。差分进化算法的缺点类似

于遗传学的算法，都有过早对数据进行收敛的过失。所以对差分进化算法