ℋ   眼大肚子小，争起吃不了    ℋ     广州白云区云梯车出租,   广州海珠区云梯车出租,   广州天河区云梯车出租        云梯车多目标优化研究现状??       对于优化问题的求解，大致有两类解决方法：精确的传统方法和现代的近似启发式算法。对于多目标优化问题，自２０世纪６０年代早期以来，就吸引了越来越不同背景研究人员的注意，传统的多目标优化方法是将多目标问题通过加权求和转化为单目标问题来处理的，但这种方法要求对问题本身有很麗的先验认识，即在转化为单目标问题时，需要知道各目标函数所占有的权重，然而现实问题中往往是各目标函数的权重提前并不能确定。所以，传统的目标转换为单目标处理方法难真正处理多目标优化问题 。随着遗传算法在求解多目标优化问题中的成功应用，各种现代启发式近似算法也在不同程度上被用来束解目标优化问题。虽然现代近似启发式算法不能像传统算法那样获得精确的解，但现代近似后发式算法的鲁棒性很高，而且不会東缚到一个具体的问题或领域。在求解多目标优化问题上，各种现代近似后发式算法有各自的优缺点。

          （１）多目标进化算法在１９８５年，Ｓｃｈａｆｆ红首次提出＂向量评估遗传算法＂（ＶＥＧＡ），被看作是进化算法求解多目标优化间题的开创性王作进化计算是一种基于种群操作的计算技未，可Ｗ并行地搜索可行解空间中的多个解，并能利用不同解之间的相似性来提高其并发求解的效率，因此进化计算比较适合求解多目标优化问题比较典型的多目标进化算法有ＳＰＥＡ２、ＰＥＳＡ－ＩＩ、ＮＳＧＡ－ＩＩ。 多目标进化算法有很多优点，但是缺点化比较明显。如ＮＳＧＡ－ＩＩ的优点在于运行效李高、解集有良巧的分布性，对于低维优化巧题具有较巧的表现，其缺点在于在高维问题求解过程中具有缺陷，解集的多样化不理想；ＰＥＳＡ－ＩＩ的优点在于其解的收敛性很好，比较容易接近最优面，特别是在高维问题情况下，但其不足之处在于选择操作一次只能选取一个个体，且时间消耗大、解集的多样性差；  ＳＰＥＡ２的优点在于可取得一个布度很好的解集，特别是在高维问题的束解上，但是其聚类过程條持多样性耗时较长，执行效率不高.

  

        广州白云区云梯车出租,   广州海珠区云梯车出租,   广州天河区云梯车出租 http://www.guangzhouludengche.com/

      （２）多目标蚁群优化算法:   蚁群算法（ＡＣＡ）是通过摸拟自然界妈蚁搜索食物的行为提出的仿生优化算法。蚁群算法的基本原理来源于蚁群的集体觅食行为。算法由若干个妈蚁共同构造解路径，通过在解路容上遗留并交换信息素的方法反馈信息，进而找到最短路径，达到优化的目的。蚁群算法是一种本质上并行的算法，它在问题空间的多点同时开始进行独立的解搜索，不仅增加了算法的可靠性，化使得算法具有较强的全局搜索能力。其正反馈的过程不仅能够使得初始值不断地扩大，同时又可Ｗ引导整个系统向最优解的方向进化。同时，蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。但是蚁群算法需要较长的搜索时间，易于出现早熟停滞现象。

      （３）多目标模拟退火算法:    樸拟退火（ＳＡ）是基于ＭｏｎｔｅＣａｒｌｏ迭代求解策略的随机寻优算法，是局部搜索算法的扩展。其基本原理是通过模拟固体退火过程与一般组合优化问题的相似性，结合概率突跳特性在解空间中搜索最优解，最终达到优化的目的。它采巧了Ｍｅｔｒｏｐｏｌｉｓ－Ｈａｓｔｉｎｇｓ接受准则，并用一组称为冷却进度表的参数控制算法进程。模拟遐火算法是一个有效的全局优化算法，其优点在于对搜索空间不加任何限制，并且可求得Ｐａｒｅｔｏ边界上不同方向的最优解；但是模拟遐乂算法往往需耍较大的迭代９次数，进而导致收敛速度慢、优化效率较低。在求解多目标问题过程中，需要先将其转换为单目标问题。由于单目标问题与多目标问题的不同，求解过程中往往得不到分布更广的Ｐａｒｅｔｏ最优解集，即将丢失一部分Ｐａｒｅｔｏ。

         广州白云区云梯车出租,   广州海珠区云梯车出租,   广州天河区云梯车出租