淺析差分進化算法的多目標優化方法研究

楊斌

摘要：無論是在生活經濟還是在人文科學方面，人們所遇上的大部分問題在某種程度上能歸成多目標方向的優化問題這一類當中。在面臨這樣的問題時，很多時候需要對多個目標進行優化，然而在優化的同時還需要考慮所優化的問題之間存在著相互抵御的矛盾關系，具體表現為在優化的同時會冒出一方面越來越好可是另外一個方面卻越來越差勁的窘況，所以這從正面反映了對問題進行多目標優化的難度是不小的。但是在各種領域當中，多目標優化是人們所追求的快速方法，所以本文以差分進化算法的多級目標優化方案進行了探究。

關鍵詞：算法研究 差分優化 多樣性

一、研究背景及目的

人類通過了社會自然的漫長的考驗最終開始進化，于是在解決生活中復雜問題的的同時，合理對問題進行優化安排成為了人們的首要研究問題。于是，各種各樣的算法就產生于求解問題的方法。進化算法中包含了重要的差分進化算法，這是一種智能型的優化方法，特點在于可調節參數不多、內容簡單、持續性強、結構單一。在日常生活中多目標優化對人們發展具有相當重要的意義。對人們生活的影響方面涵括了如下表1所示。

表1 多目標優的發展

二、差分進化

（一）差分進化算法構理

差分進化法是新興的一種計算的算法，它最基本的特點就是擁有集體共享的特點，可以這么說，差分進化法可以在自然種群的個體通過競爭與合作的關系來實現對復雜問題的優化以及提供必要的解決方法。這種算法與遺傳算法的最大一個區別就在于他們對變異的操作不同之上，例如，差分進化算法中的變異操作屬于變量中向量的一種，是在個體的染色體差異之間進行的。算法的實現是建立在兩個正在變異的個體之間的染色體差異之上的。接著，在選擇變異個體之前，對另外一個隨機抽取的目標進行整合，提取必要的參數的數據，對合適的目標開始研究，繼續產生一個新的個體進行下一個類似的實驗。

（二）差分進化算法模型流程

從差分進化算法的基本數據結構與方法來看，差分進化算法已經廣泛開始應用于自動化控制、規劃、設置、組合、優化、機器人、人工生命等重要的領域當中去。對于差分進化算法模型流程可由如下圖1所示

三、多目標優化

（一）多目標優化的研究現狀

多目標進化算法是為了解決現實生活中存在的難以用單一的目標來解決的難題。畢竟在生活瑣事中總能遇到不同的多目標優化問題，放任不理之后，久而久之就會越來越難處理這些問題。于是為了找到新穎簡便的法子，會讓學術家們花很多的精力。在歷史當中，多目標最優決策的方法最先是由英國的一名數學家Pate指出，隨后他圈概出了最優解的概念。在那個時候確實有很好的影響目的。距現在一百多年前，在尋求多目標優化的問題之上學術家們發表了無數不完美的優化方法，傳統上有加權和法、目標規劃法的方法。所以一百多年前進化算法就已經開始了興起。為此，學術家們貢獻了大量的精力去進行計算數值來尋求解決進化算法的難題。

（二）多目標優化方法

在上一世紀的三四十年代，對多目標問題的優化問題探究就引起了普遍的科學家們的重視。發展至今，優化的方法就從很多不同的的角度對問題進行了歸納和總結，并且提出了解決的辦法，順帶著給出了多目標問題最優解的原始概念。在那個世紀，學術科學家們會把注意力放在簡單的單一優化方法中，用傳統的辦法對問題進行簡單的優化。于是在那時候就提出了很多關于求解多目標優化問題的方法，例如，目的計劃法、平均和法。從那時候開始，更簡便的進化算法開始在學術家們當中以迅雷不及掩耳之勢發展開來，至此，科學家們又將自己的主要興趣放在求解多優化的問題發展中去。下面多目標優化方法如圖2所示。

四、結語

在現代生活中，技術人員對于實現人工智能已經不是難題，把人工智能與運籌學以及控制理論等方面的方法進行融合，將靜態與動態的優化等方法進行結合。差分進化算法的缺點類似于遺傳學的算法，都有過早對數據進行收斂的過失。所以對差分進化算法的優化，讓算法深入到人們遇上的工作難題當中去，是大家探究這個算法的意義所在。通常來說，多目標之間存在著矛盾的關系，在解決有多目標的問題之上，算法通常存在傳統方法中的計算難，與難操作的問題。在多優化目標的問題當中，如果運用到了工作當的各大領域當中去，可以在更廣的范圍內運用到算法的結構。根據已出意義的算法能大幅度提高人們的生活質量。在我們生活的軌跡當中，難免碰“瓷”，有時候會很難得到想要的解決方法，于是需要解決的越來越多，這更突出了多優化目標實現對人們生活有很大的意義。

參考文獻：

[1]魏靜萱.汽油調合系統的設計及應用[D].華東理工大學，2012.

[2]任永強，王惠卿.差分進化算法研究進展[J].科技廣場，2015，（63）.

（作者單位：淮陰師范學院數學科學學院）