当多目标规划的Pareto 最优解无穷多、其又在目标函数空间非凸或不连续时,本项目将设计能求出足够多均匀分布的Pareto 最优解的简单、有效进化算法,并研究能客观、公正衡量算法优劣的度量.与已有方法相比,其操作简单、计算量小,所求的解在解集合内分布更加均匀。其意义在于,用小的计算量便可为决策者提供有限个但仍能体现整个解集合特征的代表解,使决策者能够并容易选出所需的解。另外,解非线性双层规划的已有方法一般都要求上、下层各函数连续可微(甚至二阶连续可微),而很多现实问题都不满足这些条件。当问题不可微时,目前几乎没有能保证全局收敛的有效算法。本项目将研究当问题仅为连续但不可微时,设计新的有效进化算法解决此问题,并研究算法的全局收敛性。
当多目标规划的Pareto 最优解无穷多、其又在目标函数空间非凸或不连续时,设计了几种能求出足够多均匀分布的Pareto 最优解的简单、有效进化算法,其克服了已有类似算法不能求出Pareto 界面非凸部分解的缺陷,并提出了既使两个算法所求解得数目不同,也能较客观、公正衡量算法优劣的一种度量,它是对C-度量的一种合理改进。这个方法的意义在于,用小的计算量便可得到有限个但仍能体现整个解集合特征的代表解;新的度量更加合理。对上层函数不可微、下层函数可微的非线性双层规划问题,目前几乎没有能保证全局收敛的有效算法。本项目提出了几种新的可保证全局收敛的有效进化算法,这是目前为止对这类非常复杂的问题(目前类似的全局收敛算法至少要求上、下层函数可微)提出的为数不多的能保证全局收敛的有效算法。同时,为了有效解决上述的双层规划问题,还必须对不可微全局优化问题设计有效算法。本项目对不可微全局优化问题也进行了深入的研究,设计了几种新的有效进化算法,并得出了这些算法的全局收敛性的结果。 这些方法与已有的算法的思想完全不同。大量的计算机实验也表明这些算法是非常有效的。