基于分布估计算法的多目标优化问题研究(2)
本论文第一介绍分布估计算法的基本思想和基本流程；第二介绍多目标优化问题；第三给出实例，运用分布估计算法求解多目标优化问题.
1. 分布估计算法
分布估计算法把遗传算法与统计学联合在一起，经过统计研习的门径创建解空间内个体分布的几率模型，而后对几率模型即刻采样产生新的群体，像这样反复，实现群体的进化[3].
1.1 分布估计算法的基本思想
分布估计算法（Estimstion of Distribution Algorithms，EDA）又称为基于几率模型的遗传算法（Probabilistic Model Building Genetic Algorithms，PMBGA），是20世纪90年代提出的一种新的启发式算法.
20世纪60年代末，遗传算法获得了很大的成功，但是对它的理论探究还比较薄弱，这阻止了遗传算法更深层次的推广. 为了从理论上探究遗传算法的机理和敛散性，学者们提出了出名的形式定理和“积木块假设”. 为了办理遗传算法中“积木块”被破损的题目，学者们提出很多改良计划. 这些计划能够分为两大类别：一类是通过学习解的构造，发现“积木块”并避免“积木块”的破损. 另外一类是以一种带有“全局操控”性的操纵模式更换掉具有破损功用的遗传算子，这就是分布估计算法.遗传算法和分布估计算法的流程比较
上一篇：微分方程中积分因子的求法探究