基于合作型免疫克隆協同進化和量子粒子群的約束多目標優(yōu)化問題研究.pdf

1、近年來多目標優(yōu)化問題一直是一個熱門的研究問題，而在實際應用中我們會發(fā)現需要處理的問題或多或少的會帶有一些約束條件，尤其是在實際生活中帶有約束條件的問題會更多，這樣一個新的研究方向應運而生約束多目標優(yōu)化問題。由于更加貼近實際生活，所以約束多目標優(yōu)化問題具有很高的研究價值，關于該問題新的算法也不斷的被提出。
　　傳統的非進化算法的處理約束多目標優(yōu)化問題的算法并不能很好地表示問題的真實 Pareto前端，大部分算法運行一次只能輸出一個結

2、果，這對于我們需要對問題整個Pareto前端有很好表示的要求來說無疑是非常困難的。而進化算法（EA）在處理約束多目標問題時獲得了巨大的成功。進化算法進行一次運算后可以輸出多個結果，這樣只需一次計算就可以相對完整的表達出問題的所有 Pareto前端。因此如何更好的使用進化計算的方法，已經成為求解此類問題的主要研究方向。本文的主要內容包括：
　　(1)本文首先提出了量子免疫克隆算法用于求解約束多目標優(yōu)化問題。該算法首先引進了一個成熟的

3、約束處理策略，并且在使用時對此約束處理策略進行了修正，將個體的約束偏離值與目標函數值進行簡單的相加形成新的目標函數值，接下來從種群中選擇出兩個精英種群，一個保存可行非支配個體用于存儲進化過程中出現的最優(yōu)解。另一個種群保存約束偏離值小且目標函數值小的個體，擴大了算法的搜尋范圍，此舉提高了算法計算精度和輸出結果的多樣性。接著本算法引入了量子算子，考慮到量子計算具有對算法加速的能力，通過設計出一個具有加速能力的量子旋轉門，來加速算法的計算速度

4、。該方法較好的提高了輸出結果的精度、多樣性與均勻性。
　　(2)算法以免疫克隆算法為基礎，結合協同進化理論模型設計出了合作型免疫克隆協同進化算法。本算法第一步通過初始化產生多個不同種群，各種群內部首先進行獨立的進化操作，每次迭代過程種群內部都通過免疫克隆算法產生下一代種群。種群內部迭代過程結束以后，種群之間則通過鄰域共享的方法來進行合作交流。并且本算法設計出了多層次的精英種群策略，用于更好的保存算法尋找到的優(yōu)秀個體。此外本算法還使

5、用了擁擠度排序策略用于保證算法多樣性性能的同時提升算法的計算效率。
　　(3)提出將量子粒子群算法應用到約束多目標優(yōu)化問題上來。首先，粒子群算子具有很好地搜索能力，而在此基礎上產生的量子粒子群算子不但具有很強的局部搜索能力并且具有很好的全局探索能力。算法可以快速的收斂到全局最優(yōu)解，不過當一個問題擁有多個不連續(xù)的最優(yōu)值區(qū)域時，算法無法同時很好的找到全部的最優(yōu)值區(qū)域。于是在量子粒子群的基礎上本文又添加了一個變異算子，個體的基因編碼以一