基于流形学习的多目标演化算法及应用研究

近几年来，演化算法已发展成为解决多目标优化问题的主要方法。但随着研究和应用的不断深入，如何进一步提高多目标演化算法的收敛速度、保证种群多样性等性能指标，已成为该领域的重要研究课题。2005年提出的模型多目标演化算法利用被传统多目标演化算法忽略的Pareto解集的分布规则，通过主成份分析来实现对种群进化的指导，改善了算法性能。本课题在模型多目标演化算法的基础上，一方面将正交设计技术应用到种群初始化、在种群聚类中引入k-means分析技术，进一步提高模型多目标优化算法性能；另一方面针对模型多目标演化算法是对数据集进行线性分析建模而存在理论局限性，拟将流形学习引入到多目标演化算法中，建立基于流形学习的多目标演化算法，并将算法应用于解决卫星星座优化设计这样一类复杂的多目标优化问题。课题的研究成果既丰富和发展了多目标演化算法的理论，又为多目标演化算法应用提供新的研究思路。