摘要：在实际工程中,复杂的多目标问题是导致优化结果收敛性和多样性损失的重要因素。为了提高优化算法在复杂问题中维持解多样性和收敛性平衡的能力,提出了基于KnEA(A Knee Point Driven Evolutionary Algorithm)的辅助点进化算法。首先,该算法借助进化过程中有明显趋势的拐点作为邻域空间的中心;其次,通过分析邻域空间中的拐点与上一代拐点之间的关系,从侧面来定量分析了邻域空间的潜力;再次,为了解决对复杂问题优化过程中收敛性不足的缺陷,提出了根据邻域空间的进化潜力来增加辅助点的策略,进一步地提高了进化过程中的空间搜索能力。在种群的环境选择中,优先选择拐点和辅助点进化下一代,以此平衡种群的收敛性和多样性。将该算法在多目标测试问题上与流行的算法进行了比较,实验结果表明提出的算法在多目标问题优化中有明显优势。最后,将该算法应用到二级斜齿圆柱齿轮减速器优化设计当中。

摘要：野山羊算法结合不同的搜索策略,弥补了多个著名元启发式算法在解决优化问题中的固有缺陷。针对传统野山羊算法不能有效解决多目标优化问题,提出了多目标野山羊算法并应用于多目标优化当中。首先该算法在野山羊算法基础上提出了改进的多种群策略,提升了种群多样性;其次将该策略与提出的动态进化策略和领头羊派遣策略结合,进一步增强了个体之间的信息交流,防止算法局部收敛。再者将该算法与其他经典多目标优化算法比较,实验结果表明提出的算法在解决多目标优化问题中具有明显优势。最后将该算法应用到动压滑动轴承的多目标优化设计当中。