基于PARETO的改进遗传在多目标模型的研究

摘要：

该文先介绍PARETO解及多目标的相关概念，再通过自适应更新机制、精英保留策略等方法来提高遗传搜索效率，并且对多目标函数的结构进行改进设计，结合IAGAMO模型，以全局搜索机制作为研究基础，针对遗传算法实际应用缺陷进行了分析，着重论述通过全局搜索机制对提高局部搜索中遗传算法的影响，从而加速了IAGAMO混合算法的运算速度以及收敛效率。最后将PARETO的IAGAMO算法在生产实例进行仿真验证，结果所获得PARETO解的数据较符合生产的实际应用。因此，PARETO以其巨大的技术优势，有效提升了搜索效率，在多目标搜索以及解集的优化中发挥了重要的作用，因此具有广阔的发展空间。

关键词：多目标优化、遗传算法、PARETO

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2015-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：46-47