一种基于梯度信息的多目标优化算法
传统的多目标进化算法多是基于Pareto最优概念的类随机搜索算法,求解速度较慢,特别是针对动态多目标优化问题.笔者就此提出了一种新的基于梯度信息的多目标寻优算法,该算法首先利用种群中每个个体对各目标的负梯度方向,以有效保证种群个体能沿单个目标函数值减小的方向加快搜索;同时为避免由于多目标问题之间的冲突性而导致其他目标函数的显著增大,将多个目标的梯度信息方向整合为一个方向进行协同搜索;并且还提出了一种新的选择置点法,以加快算法初始寻优速度并提供优良的初始种群.通过对ZDT系列测试函数的仿真可以看出,HSMGOA在较少的运行次数下,其性能远远优于NsGA2算法.文章后半部分将HSMGOA与NsGA2混合以解决补料分批生化反应过程的动态多目标优化问题,并将取得的Pareto最优解集与NSGA2、MOPS0比较可知,该混合算法在解决该化工问题时表现出了更好的性能.
化工生产 生化反应过程 多目标寻优算法 梯度信息 选择置点法
祁荣宾 刘趁霞 钟伟民 钱锋
化工过程先进控制和优化技术教育部重点实验室,上海200237;华东理工大学信息科学与工程学院,上海200237
国内会议
呼和浩特
中文
4401-4409
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）