基于世代距离的高维多目标并行进化算法研究及其应用

Many-objective optimization algorithms have become a research hotspot of information and science, which are studied and applied in different fields. The reason why the search capability of the traditional many-objective evolutionary algorithm decreases is that the dominance of Pareto constrains it. Specially, when the number of objectives increases and the individual's survival opportunities decrease, it will weaken the selection pressure in the search process and leads to bad performance. In order to solve this problem, a new method is proposed by the research and results of the application in the field of evolutionary algorithms. This method uses generation distance to control the convergence of the algorithm and maintains the diversity through crowding distance when the selection strategy based on Pareto is invalid. And the dynamic scaling operator is applied to adjust dynamically the weights of the generation distance and crowding distance in the evolutionary process in order to improve the performance on all kinds of many-objective optimization problems. Furthermore, the GPU parallelization technique will reduce the algorithm’s running time. Finally, the new algorithm can be applied in forecasting agricultural price by combining the advantages of agricultural science. This project is important to promote the theoretical research and practical application of many-objective evolutionary algorithms.

高维多目标优化方法的研究与应用已深入生产和科研等多个领域，成为信息科学的研究热点。传统的高维多目标进化算法由于受到Pareto支配条件的限制，当目标维数逐渐增多时，受支配的解个体生存机会越来越小，严重削弱搜索过程的选择压力，算法性能很快下降。针对高维多目标的这一难点问题，结合申请者在进化算法领域的研究基础及成果，提出一种全新方法。该方法在进化过程中当基于Pareto的选择策略失效时，综合考虑算法的收敛性及多样性两个指标，提出一种结合世代距离因子与拥挤距离因子的全新排序策略，并依据对进化过程中种群变化特性的研究，通过设置可变尺度算子来动态调整世代距离因子与拥挤距离因子的权重，全面提升新算法的求解精度。进一步，运用GPU并行处理技术缩短算法求解时间。最后结合农业学科优势，将新算法应用于农产品价格影响因素分析及价格预测领域。本课题的开展对于推动高维多目标进化算法的理论研究和应用实践具有重要意义。

高维多目标优化方法的研究与应用已成为目前信息科学的研究热点。传统的高维多目标进化算法由于受到Pareto支配条件的限制，当目标维数逐渐增多时，受支配的解个体生存机会越来越小，严重削弱搜索过程的选择压力，算法性能很快下降。本课题针对高维多目标的这一难点问题展开工作，提出并实现了一种全新方法。该方法在进化过程中当基于Pareto的选择策略失效时，综合考虑算法的收敛性和多样性两个指标，结合世代距离因子与拥挤距离因子的全新排序策略，并依据对进化过程中种群变化特性的研究，通过设置可变尺度算子来动态调整世代距离因子与拥挤距离因子的权重，全面提升新算法的求解精度。进一步，运用GPU并行处理技术缩短算法求解时间。最后将新算法应用于价格预测领域。本课题的开展对于推动高维多目标进化算法的理论研究和应用实践具有重要意义。本课题经过三个年度的努力研究，已经完成了项目计划任务书的研究工作和目标，共发表论文13篇(SCI收录8篇，EI收录4篇)，其中国际期刊发表9篇，国际会议论文3篇。并依托本课题，共培养毕业的博士研究生2人，硕士研究生3人。