1
�/p>
�/p>
�/p>
ç©?/p>
�/p>
�/p>
�/p>
å?/p>

å…?/p>
8
é¡?/p>
�/p>
1
é¡?/p>
学院:航空宇航学é™?/p>
姓名
:
魏德å®?/p>
基于遗传算法优化多元多目标函数的
MATLAB
实现
0.
引言
现实生活中的很多决策问题都要考虑同时优化若干个目æ ?/p>
,
而这些目标之间有时是彼此约束ï¼?/p>
甚至相互冲突
,
这样就需要从所有可能的方案中找到最合理、最可靠的解决方案。而遗传算法是æ¨?/p>
拟达尔文的遗传选择和自然淘汰的生物进化过程的一种新的迭代的全局优化搜索算法
,
它能够使
群体进化并行搜寻多个目标
,
并逐渐找到问题的最优解ã€?/p>
1.
问题描述
变量维数ä¸?/p>
5
,含æœ?/p>
2
个优化目标的多目标优化问题表达式如下
对于该问题,
利用权重系数变换法很容易求出最优解ï¼?/p>
本题中确å®?/p>
f
1
å’?/p>
f
2
的权重系数都ä¸?/p>
0.5
�/p>
2.
遗传算法
2.1
遗传算法简è¿?/p>
遗传算法的基本原理是通过作用于染色体上的基因寻找好的染色体来求解问题,它需要对ç®?/p>
法所产生的每个染色体进行评价,并基于适应度值来选择染色体,使适应性好的染色体有更多的
繁殖机会,在遗传算法中,通过随机方式产生若干个所求解问题的数字编码,即染色体,形成初
始种群;通过适应度函数给每个个体一个数值评价,淘汰低适应度的个体,选择高适应度的个体
参加遗传操作,经过遗产操作后的个体集合形成下一代新的种群,对这个新的种群进行下一轮的
进化ã€?/p>
2.2
遗传算法的过ç¨?/p>
遗传算法的基本过程是ï¼?/p>
1.
初始化群体ã€?/p>
2.
计算群体上每个个体的适应度å€?/p>
3.
由个体适应度值所决定的某个规则选择将进入下一代个体ã€?/p>
4.
按概çŽ?/p>
Pc
进行交叉操作ã€?/p>
5.
按概çŽ?/p>
Pm
进行变异操作ã€?/p>
6.
没有满足某种停止条件,则转第
2
步,否则进入ç¬?/p>
7
步ã€?/p>