多目標(biāo)群搜索算法研究及其應(yīng)用.pdf

1、多目標(biāo)優(yōu)化問(wèn)題(Multi-objective Optimization Problems, MOPs)廣泛存在于工程實(shí)踐和科學(xué)研究領(lǐng)域。多目標(biāo)優(yōu)化問(wèn)題主要研究如何在多個(gè)彼此間相互沖突的目標(biāo)中得到最優(yōu)解，該問(wèn)題一直都是學(xué)術(shù)、工程界廣泛關(guān)注的焦點(diǎn)。近年來(lái)，隨著進(jìn)化算法的研究和發(fā)展，多目標(biāo)遺傳算法、多目標(biāo)粒子群算法等相繼被提出，并得到廣泛的關(guān)注和應(yīng)用。
　　群搜索優(yōu)化算法(Group Search Optimizer, GSO)是根據(jù)

2、鳥、獅子等群體動(dòng)物的覓食行為，以PS模型(Producer-Scrounger model)為基礎(chǔ)建立的一種新型智能優(yōu)化算法。GSO在解決單目標(biāo)問(wèn)題上具有良好的優(yōu)越性，在高維函數(shù)優(yōu)化及收斂上展現(xiàn)出良好性能，對(duì)于解決復(fù)雜的工程問(wèn)題具有明顯的優(yōu)勢(shì)。目前，對(duì)于 GSO算法的研究主要集中在解決單目標(biāo)問(wèn)題上，對(duì)于其在多目標(biāo)問(wèn)題領(lǐng)域的研究比較少，值得進(jìn)行更進(jìn)一步研究。
　　目前，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)僵化現(xiàn)象日益嚴(yán)重。網(wǎng)絡(luò)虛擬化技術(shù)的

3、出現(xiàn)為解決網(wǎng)絡(luò)僵化問(wèn)題提供了新的途徑，其中，虛擬網(wǎng)絡(luò)映射方法是實(shí)現(xiàn)網(wǎng)絡(luò)虛擬化主要技術(shù)之一，針對(duì)其 NP-hard和多種映射目標(biāo)彼此相互沖突的特點(diǎn)，本文采用多目標(biāo)GSO方法加以解決，為虛擬網(wǎng)絡(luò)映射問(wèn)題的解決提供了新的方法。
　　本文在標(biāo)準(zhǔn)群搜索算法和多目標(biāo)進(jìn)化理論基礎(chǔ)上，對(duì)多目標(biāo)的群搜索算法及其應(yīng)用進(jìn)行了研究和分析，主要內(nèi)容如下：
　　(1)提出了一種基于多發(fā)現(xiàn)者和交叉算子的多目標(biāo)群搜索算法。該算法在原群搜索算法的基礎(chǔ)上，將發(fā)

4、現(xiàn)者由一個(gè)拓展為多個(gè)，并在發(fā)現(xiàn)者的更新策略中引入了Metropolis準(zhǔn)則，防止算法局部收斂；同時(shí)，將交叉算子融入到游蕩者的行為中，從而提高了算法的性能。
　　(2)提出了一種合作型協(xié)同多目標(biāo)群搜索算法。首先將種群劃分為多個(gè)子群，用改進(jìn)的群搜索優(yōu)化算法對(duì)子群進(jìn)行演化；然后，子群間相互協(xié)作構(gòu)成上下文向量，通過(guò)目標(biāo)函數(shù)對(duì)上下文向量進(jìn)行評(píng)定以更新子群；最后，結(jié)合各個(gè)子群的成員構(gòu)建多目標(biāo)問(wèn)題的Pareto解集。
　　(3)將多目標(biāo)群