摘要：差分进化算法作为一个简单快捷的全新多目标优化方法，受到了学术与工业界的广泛关注，且前人已经总结出一些成功的应用。本文将围绕差分进化算法、多目标优化方法的概念、改进与应用等方面进行全面论述，重点介绍了对复杂多目标优化情况下的差分进化算法研究，包含多目标情况下的初始化、变异优化等方法解决初始化的种群不够有代表性、变异结果多样性不足的问题，实验证明此改进具有良好的效果。85997

毕业论文关键词：差分进化，多目标优化，变异优化

Abstract: As a simple and efficient new multi-objective optimization method, differential evolution algorithm has been widely concerned by academia and industry, and some successful applications have been summed up by predecessors。 In this paper, we focus on the concepts of differential evolution algorithm, multi-objective optimization method, improvement and application, and focus on the differential evolutionary algorithm in the case of complex multi-objective optimization, including initialization and mutation optimization under multi-objective conditions Method to solve the problem that the initial population is not representative and the persity result is insufficient。 The experiment proves that the improvement has good effect。源Q于W优H尔J论K文M网WwW.youeRw.com 原文+QQ75201.,8766

Keywords: Differential evolution, multi - objective optimization, mutation optimization

目  录

1绪论 4

1。1多目标差分进化算法国内外研究概况 4

1。2本文的工作 5

1。3论文的结构与安排 5

2多目标优化算法 5

2。1多目标进化的基本知识来自优W尔Y论W文C网WWw.YoueRw.com 加QQ7520,18766 储备 5

2。2多目标进化算法的结构 7

2。3多目标进化算法的历史发展与研究现状 9

3 差分进化算法 9

3。1标准差分进化算法(Differential Evolution:DE) 9

3。2差分进化算法的结构 10

3。3差分进化算法的改进历程 11

4多目标差分进化算法的实践 11

4。1 问题分析 12

4。2 算法步骤 12

4。3 实际数据测试 13

结  论 16

本文符号说明 17

参 考 文 献 18

致 谢 19

1绪论

1。1多目标差分进化算法国内外研究概况

在当今的研究领域，研究者们经常会遇到需要对多个目标进行优化的问题，在此类问题中，经常需要优化多个目标，但是这些目标自身的需求经常是互相制约、甚至是矛盾的，这就造成了在优化时会出现一个目标变好但是另一个目标变糟的情况，这说明对于多个目标的优化时，即需要考虑这些目标自身的需求，同时还需要对他们的需求进行适当增强或减弱，这大大增加了此类问题优化的难度。因此，和单个目标的优化能够找出唯一最优解不同，多目标优化出的结果经常是一组解集（Pareto最优解集），其结果为折中的解。