文档介绍：基于优化问题的多目标布谷鸟搜索算法关键字:布谷鸟搜索、元启发式算法、多目标、最优化摘要:在工程设计方面, 很多问题都是典型的多目标问题,而且, 都是复杂的非线性问题。现在我们研究的优化算法就是为了解决多目标化的问题,使得与单一目标问题的解决有明显的区别,计算结果和函数值有可能会增加多目标问题的特性。此时,元启发式算法开始显示出自己在解决多目标优化问题中的优越性。在本篇文章中,我们构造了一个新的用于解决多目标优化问题的算法——布谷鸟搜索算法。我们通过一系列的多目标检验函数对其的有效性已经做出来检验,发现它可以应用于解决结构设计等问题中去,例如:光路设计、制动器设计等。另外,我么还对该算法的主要特性和应用做了相关的分析。 ,而且这些问题往往都具有很高的非线性性。在实际中,不同的目标之间往往会有分歧和冲突,有时候,实际的最优化解决方案往往不存在, 而一些折中的和近似的方案往往也可以使用。除了这些挑战性和复杂性以外,设计问题还会受到不同设计目标的约束,而且还会被设计代码、设计标准、材料适应性、和可用资源的选择,以及设计花费等所限制,甚至是关于单一目标的全局最优问题也是如此,如果设计函数有着高度的非线性性,那么全局最优解是很难达到的,而且, 很多现实世界中的问题经常是 NP-hard 的,这就意味着没有一个行之有效的算法可以解决我们提出的问题,因此,对于一个已经提出的问题,启发式算法和科学技术与具体的学科交叉知识经常被用于其中,用来作为解决问题的向导。另一方面,元启发算法在解决此类优化问题方面是非常有效的,而且已经在很多刊物和书籍中得以运用,与单一目标的优化问题相反的是,多目标优化问题具有典型的复杂性和困难性,在单一目标的优化问题中我们必须去找出一个最优化的解决方法, 此方法在问题的解决中存在着一个单一的点,并且在此问题中不包括那些多重的、平均优化的点,对于一个多目标的优化问题, 存在着名为 Pareto-front 的多重的复杂的优化问题,为了了解我们所不熟悉的 Pareto-front 问题,我们需要收集并整理很多不同的方法,从而,此计算结果将会随着近似解的变化、问题的复杂度和解决方法的多样性而有所变化甚至增加。在理论上,此类解决方法应包括问题并且应相对的有一致无分歧的分布情况,然而,还没有科学的方法可以证明这种解决方法可以在实际中得以应用。从问题的出发点我们可以得知,算法可以在单一目标优化问题中运行的很好,但是却不能在多目标的优化问题中直接的运用, 除非是在特殊的环境与条件下才可以应用。例如,使用一些有利的求和方法将多目标问题归结到单一目标问题中去,在优化的过程中,我们需要大量的修改工作,除此之外,更困难的更具挑战性的是,怎样总结这些方法,使其有着足够的多样性,这样的话,这种新的解决方法就可以成为有效利用搜索空间的实例。而且,在真实的生活中,优化问题往往包含了一些不确定性和干扰性,例如,材料的适应性对于一个产品的设计往往有着很重要的影响,一个优化的设计问题应该足够的完美使得对于设计者和决策者可以对很多不同种的东西提供一些更好的选择。尽管存在着这些挑战性,多目标优化问题仍存在着许多有效的算法使其在很多问题中有着成功的应用,此外元启发算法开始作为解决多目标优化问题的主角出现在大众面前,优化算法设计者以及科学家们经常模拟自然界中一些成功的范例来解决问题, 例如,生物系统,很多新的算法也都开始出现并且在问题的解决中也有着很重要的应用。目前,有一种新的由杨新社教授和 Suach Deb 教授在 200 9 年提出的元启发算法,名为布谷鸟算法,对于此种算法,在最初的研究中就可以看出,其具有很高的前瞻性,比现有的 PSO 算法有着更好的性能,在本篇论文中我们将会对 CS 作以延伸,以便其可以解决多目标优化问题,而且可以建立一个基于多目标的布谷鸟搜索算法。第一步我们将通过建立一个多目标的检验函数来使问题具体化,然后我们会将其应用到工程优化问题中,包括双目标的光路设计和制动器设计。同时,我们也将讨论被提出的算法中其独有的特性,并且对文章做以进一步的研究。 CS 算法做以延伸来解决多目标的问题,我们在此先对布谷鸟有趣的繁殖行为规律做以简要的回顾,然后,我们将会对此算法的基本观点和步骤以及实际的算法过程作以概述。布谷鸟的繁殖行为布谷鸟是一种有趣的鸟,它的有趣不仅是因为它动听的歌声,还因为其具有侵略性的繁殖策略。像美洲黑杜鹃这一种鸟类, 它们会将自己的卵产在公共的巢穴中,并且,它们会将其他鸟类的蛋移出巢外以提高自己的蛋被孵化的几率,大多数鸟类通过产卵于其他寄主的巢中这种寄生性规律来完成自己孵化的任务,目前,存在着三种最基本的寄生性行为:种内产卵寄生性、合作式寄生性、