一种决策变量摄动的多目标鲁棒偏好遗传算法

摘要

多目标优化问题是一个非常具有挑战性的问题，它需要同时去优化多个复杂而且冲突的目标函数。但是，优化只是多目标问题在实际应用中的一个方面，近年来如何在参数发生扰动时寻找对这些扰动不敏感的鲁棒解已逐渐成为了一个热点问题。对于决策变量变化范围给定的优化问题，往往事先无法知道对应优化目标函数值的变化范围。针对这类问题，本文提出了一种决策变量摄动的多目标鲁棒偏好遗传算法，设计了基于拉丁超立方体抽样的解的鲁棒度量，并把这种鲁棒度量植入到了遗传算法的寻优过程中、参与种群个体的进化，定义了动态的鲁棒度量区间来评价种群个体的鲁棒性；通过调节鲁棒度量区间中的向量值，可以得到不同鲁棒偏好的 Pareto解；最后，仿真结果也证实了本文所提算法的可行性和有效性。