摘要：免疫算法求解约束多目标优化问题时,如何设计抗体的亲和力,以及如何保持或提高种群的多样性为算法设计的关键.本文基于免疫系统的固有免疫和自适应免疫交互运行模式,提出目标约束融合的并行约束多目标免疫算法(parallel constrained multiobjective immune algorithm,PCMIOA).利用支配度和浓度设计抗体的亲和力,提出了目标约束融合的评价方法,增强了算法的收敛性.借助基因重组中DNA片段的转移机制,设计一种转移(transformation)算子,提高了种群的多样性.针对已有性能评价准则存在的不足给出一种改进的支配范围评价准则.数值实验选用12个约束二目标和4个非约束三目标测试函数验证PCMIOA的优化性能,并将其与3种著名的约束多目标算法和5种非约束多目标算法进行比较.结果表明:PCMIOA具有较强的优化性能.与其他算法相比,PCMIOA所获的Pareto最优前沿能较好的逼近真实Pareto最优前沿,且分布较均匀.

摘要：在处理有约束多目标问题的进化算法中,目前普遍采用Deb教授提出的约束占优的直接支配选择策略.在约束处理中,优秀不可行解与优秀可行解同样重要,但在直接支配选择策略中,不可行解被选择的几率很小.针对此问题,设计一种环境Pareto支配的选择策略,并基于此提出用于解决有约束多目标问题的差分进化算法.对经典测试函数进行仿真计算,结果表明,与其他算法相比,所提出的算法具有更高的收敛性和稳定性.

摘要：针对舰船设计中存在所得方案分布性和收敛性不好等问题,首先建立以初稳性高、飞行甲板面积、横摇固有周期以及阻力为优化目标的大型舰船总体要素优化模型;其次根据大型舰船方案设计的特点,提出一种约束多目标分解进化算法;最后将提出的算法用于优化模型的求解。与目前优化性能较好的2种算法进行对比实验,实验结果表明,本文算法获得了性能更加优异的设计方案。

摘要：在解决约束多目标优化问题时,需要同时考虑多个优化目标以及问题的约束条件,这给问题的解决带来了很大的挑战,主要体现在解的可行性、收敛性和多样性三个方面。为了应对这些挑战,本文提出了一种新的约束多目标进化优化算法,该算法采用了三个阶段和多个辅助种群的设计。具体来说,第一阶段中,算法首先利用不受约束的种群引领其他种群进行搜索,在第二阶段,每个辅助种群致力于解决单个约束条件下的多目标优化问题。最后,本文设计了一种分区辅助策略,根据不同种群在每个分区的表现来调整辅助种群的参与度。为了评估算法的表现和有效性,我们将其与当前较为优秀的四个算法在DASCMOPs测试基上进行了比较。实验结果表明,我们的算法具有出色的表现。

摘要：本文研究基于多种群的约束多目标优化算法的种群间资源分配问题。本文提出了一个新的指标来衡量种群资源的合理分配。所提出的指标根据不同种群的变化及进化代数,为不同种群分配进化资源。它根据种群中理想点和最差点的变化,来衡量该种群的变化。所提出的指标被嵌入到一个先进的多种群约束多目标算法。在实验中,通过在20个基准函数的数据实验,本文展示了所提出指标可以有效地为不同种群分配资源。