第 33 卷第 12 期 控 制 与 决 策 Vol.33 No.12 2018 年 12 月 Control and Decision Dec. 2018 文章编号: 1001-0920(2018)12-2191-06 DOI: 10.13195/j.kzyjc.2017.1032 自适应的非支配排序遗传算法 王嵘冰, 徐红艳 † , 郭 军 (辽宁大学 信息学院，沈阳 110036) 摘 要: 针对带精英策略的非支配排序遗传算法不能根据环境变化自适应地动态调整运行参数, 难以实现对解空 间的高效搜索, 提出一种自适应的非支配排序遗传算法. 所提出算法根据运行阶段、运行代数和当前临时种群非 支配个体数动态调整进化个体的运行参数, 通过提高进化算子的自适应能力使算法具有自适应性. 经实验对比, 所提出算法在收敛性、多样性两方面确有提升, 可以有效提高原算法的搜索能力. 关键词: 非支配排序遗传算法；多目标优化；自适应；收敛性；多样性；进化算子 中图分类号: TP18 文献标志码: A Adaptive non-dominated sorting genetic algorithm WANG Rong-bing, XU Hong-yan † , GUO Jun ( College of Information，Liaoning University，Shenyang 110036，China) Abstract: The elitist non-dominated sorting genetic algorithm(NSGA-II) can’t adjust the operation parameters adaptively according to the change of environment, so it is difficult to search the solution space efficiently. To solve the problem, an adaptive non-dominated sorting genetic algorithm is proposed. The proposed algorithm dynamically adjusts the operating parameters of evolutionary individuals according to the running phase, the evolutional generation and the number of non- dominated individuals in the current temporary population, via improving the adaptive ability of the evolutionary operator to make the algorithm adaptive. The experimental results show that the proposed algorithm can increase the original algorithm in two aspects, such as convergence and diversity, and also improve the searching ability. Keywords: NSGA-II；multi-objective optimization；adaptive；convergence；diversity；evolutionary operator 0 ᕅ 言 在实际工程及科研领域中存在大量需要同时对 不止一个目标进行优化求解的问题, 即多目标优化 问题 [1] (Multi-objective optimization problems, Mops). Mops 的最优解往往不唯一, 且多个优化目标之间一 般存在相互冲突的关系, 在对某一目标优化的同时会 使其他目标劣化, 因此 Mops 的求解就是要得出一组 在多目标间优化性能均衡的解 [2-4] . 带精英策略的非支配排序遗传算法 (Elitist non- dominated sorting genetic algorithm, NSGA-II) 是目前 应用最为广泛的多目标优化算法, 也是其他多目标 优化算法进行性能对比的基准算法. NSGA-II 具有较 高的求解效率, 可在一次运行过程中得出多个高质量 的解 [5-6] . 随着 NSGA-II 应用的深入推广, 该算法的不 足亦显现出来, 因而针对 NSGA-II 的多种改进算法被 相继提出, 如陶文华等 [7] 提出了一种基于差分进化和 NSGA-II 的混合算法, 以提高 NSGA-II 的收敛速度及 Pareto 最优解集空间分布的均匀性; 耿焕同等 [8] 针对 NSGA-II 多样性保持策略不能客观反映个体间真实 拥挤程度的问题, 提出了一种基于自适应混合非支 配个体排序策略的改进型 NSGA-II; 王超学等 [9] 针对 NSGA-II 早熟收敛及多样性不足的问题, 提出了一种 改进的非支配排序合作型协同进化遗传算法. 这些 算法虽然能在一定程度上提高原算法的求解效率, 但 没有从运行自适应角度考虑, 难以提高算法收敛性和 解集多样性. 1 传统适应性策略局限性分 传统的适应性策略有基于进化阶段的和基于个 体的两种, 这两种策略虽然可以有效抑制算法的早熟 收敛并提高算法的收敛性, 但是仍具有如下局限性: 收稿日期: 2017-08-02；修回日期: 2017-11-09. 基金项目: 辽宁省博士科研启动基金项目(201601099)；辽宁省社科规划基金项目(L18AGL007). 责任编委: 陈家伟. 作者简介: 王嵘冰 (1979-), 男, 副教授, 博士, 从事大数据、数据挖掘及其应用等研究；徐红艳 (1972-), 女, 副教授, 硕士, 从事数据挖掘、个性化推荐等研究. † 通讯作者. E-mail: xuhongyan@lnu.edu.cn