基于云差分进化算法的高维多目标优化算法研究

高维多目标优化是优化算法领域国内外公认的难题之一，目前在工程优化设计及管理决策中的应用需求日显突出。当优化目标超过3个，即具有高维目标时，现有的多目标优化算法大多存在计算复杂、所取得的近似Pareto解集前沿点不够多、分布不均匀以及覆盖不完整等问题，为此本项目提出云差分进化算法思想和一系列多目标优化新技术方法解决上述问题。本项目的主要研究内容包括：1.云差分进化算法；2.高维多目标优化算法中的自适应精英选择策略；3.高维多目标优化算法中模糊适应值评价方法；4.高维多目标优化算法中新的小生境技术和密度估计法； 5.高维多目标优化的可视化技术。本项目的研究将对高维多目标优化算法的理论发展和实际应用产生积极的推动作用，具有重要的学术意义和实际工程应用价值。

高维多目标优化是智能优化算法领域国内外公认的难题之一，目前在工程优化设计及管理决策中的应用需求日显突出。然而现有算法在处理高维多目标优化问题时，大多存在计算复杂、分布不均匀以及覆盖不完整等问题，为此提出云差分进化算法思想和一系列多目标优化新技术方法解决上述问题。主要研究内容包括：1.云差分进化算法；2.高维多目标优化的精英选择策略；3.高维多目标优化的适应值评价方法；4.高维多目标优化的多样性维护；5.高维多目标优化的可视化技术。另外，还进行了一定的扩展研究，包括差分进化算法的应用和高维多目标优化的应用以及约束多目标优化的约束处理机制。在四年的研究期限内，按照项目预定的研究内容和技术路线，在理论研究和工程应用上都取得了较丰富的研究成果，共计发表46篇学术论文和3项专利，其中包括39篇EI，较好达到了预期目标。在理论研究方面取得的主要代表性成果有：1.提出新变异策略的动态自适应差分进化算法；2.提出基于云模型的差分进化算法；3.提出基于精英策略的改进多目标自适应差分进化算法；4.提出基于云差分进化的约束多目标优化算法；5.提出基于模糊支配的高维多目标进化算法；6.提出基于改进K支配排序的高维多目标进化算法；7.提出基于全局排序的高维多目标差分进化算法；8.提出高维多目标多方向协同进化算法；9.提出基于混合迁移策略的生物地理学优化算法；10.提出基于交互式决策的旋转基多目标可视化技术；11.提出基于单目标拟合为绘图基准的子图表可视化技术；12.提出基于决策偏好信息的n维图表可视化技术；13.提出基于特征点选择的n维图表可视化技术。在应用研究方面取得的成果有：1.构建了4目标的大型船舶主尺度设计优化模型；2.建立了城市道路交叉口高维多目标信号优化控制模型；3.提出一种综合用户出行前静态和行进中动态的高维多目标停车场选择及路径诱导模型。上述研究成果目前在国内可以处于前列，不仅提高了理论深度，而且扩展了应用范围。因此，本项目的研究对高维多目标优化算法的理论发展和实际应用产生积极的推动作用，具有重要的学术意义和实际工程应用价值。