基于偏好的多目标遗传算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (9): 24-26.

基于偏好的多目标遗传算法

朱丙坤¹,徐立鸿¹,陈娟²

1.同济大学控制科学与工程系，上海 200092
2.上海海事大学航运技术与控制工程实验室，上海 200135

收稿日期:2007-11-19 修回日期:2007-12-26 出版日期:2008-03-21 发布日期:2008-03-21
通讯作者: 朱丙坤

Multi-objective Genetic Algorithm based on preference

ZHU Bing-kun¹,XU Li-hong¹,CHEN Juan²

1.Department of Control Science and Engineering，Tongji University，Shanghai 200092，China
2.Lab of Ship Technology and Control Engineering，Shanghai Marine University，Shanghai 200135，China

Received:2007-11-19 Revised:2007-12-26 Online:2008-03-21 Published:2008-03-21
Contact: ZHU Bing-kun

摘要/Abstract

摘要： 多目标优化问题中，人们往往只是对目标空间的某一区域感兴趣，因此这就需要在这一特定的区域能够得到比较稠密的Pareto解，但传统的方法权值法无法满足这种需求而且不能处理目标空间是非凸的情况，遗传算法虽然是现在公认的处理多目标优化问题比较有效的方法，但遗传算法是在目标空间内进行全空间寻优，因此最终得到的Pareto解是均匀分布的，这样遗传算法也不能满足人们的这一要求。针对这个问题提出了基于偏好的多目标遗传算法，把个人偏好加到优化过程中，利用偏好信息来引导优化方向，通过仿真把该算法和权值法、NSGA-II进行比较，结果证明了该算法的可行性和有效性。

关键词: 多目标优化, 遗传算法, 偏好, 权值法, NSGA-II

Abstract: In multi-objective optimization problem，many people are only interested in a special part of the objective space，so which should has enough solutions.Weighted method cannot satisfy this demand and in the same time it cannot deal with non-convex case； although genetic algorithm is an ideal method for multi-objective optimization； its solutions are uniformly distributed in the objective space，so it also cannot.Due to this question，we bring forward a new multi-objective genetic algorithm incorporated preference into optimization process to direct optimization，and compare this algorithm with weighted method and NSGA-II through simulation，which validates this algorithm’s feasibility and advantage.

Key words: multi-objective optimization, Genetic Algorithm, preference, weighted method, NSGA-II

朱丙坤¹,徐立鸿¹,陈娟². 基于偏好的多目标遗传算法[J]. 计算机工程与应用, 2008, 44(9): 24-26.

ZHU Bing-kun¹,XU Li-hong¹,CHEN Juan². Multi-objective Genetic Algorithm based on preference[J]. Computer Engineering and Applications, 2008, 44(9): 24-26.

[1]	张旭，袁旭梅，袁继革. 中介视角下供需匹配决策方法研究[J]. 计算机工程与应用, 2021, 57(9): 240-246.
[2]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[3]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[4]	任军效，常新，侯滢，曹小博. 考虑用户偏好和平台收益的共享泊位分配模型[J]. 计算机工程与应用, 2021, 57(24): 242-248.
[5]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[6]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[7]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[8]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[9]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[10]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[11]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[12]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[13]	周原令，胡晓兵，江代渝，李航. 基于改进NSGA-II的车间排产优化算法研究[J]. 计算机工程与应用, 2021, 57(19): 274-281.
[14]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[15]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.