遗传算法在多目标优化中的作用调研报告姓名:学院:班级:学号:完成时间:20 年月日目录1 .课题分析................................................................................................................................ 02 .检索策略................................................................................................................................ 02.1 检索工具的选择................................................................................................................................ ......... 0 2.2 检索词的选择................................................................................................................................ ............. 0 2.3 通用检索式................................................................................................................................ .. 03.检索步骤及检索结果 03.1 维普中文科技期刊数据库 03.2 中国国家知识产权局数据库................................................................................................................... 2 3.3 美国工程索引 E NGINEERING V ILLAGE(EI)数据库....................................................................................... 4 3.4 ISI W EB OFK NOWLEDGE(包含WEB OF SCIENCE ANDINSPEC) ............................................................................ 6 3.5 欧洲专利局数据库................................................................................................................................ (9)4.检索体会................................................................................................................................ .................9 5 . 国内外研究概况...............................................................................................................................10 参考文献................................................................................................................................ .. (3)1.课题分析多目标优化问题是近30 年来迅速发展起来的一门新兴学科,属于应用型基础课题, 有着重要和广泛的应用价值。
多目标优化主要是研究多个数值目标在给定约束条件下的最优解的求取。
随着理论研究的不断深入,多目标优化的应用领域也日益扩大,已经涉及到过程控制、航空航天、人工智能、计算科学、许多实际复杂系统的设计、建模和规划问题等诸多领域。
求解多目标问题的传统算法存在许多局限性,并且存在关键致命问题。
1975 年美国密歇根大学教授J.Holland 首次提出了遗传算法,该领域的研究便迅速增长。
遗传算法是在计算机上模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程,进行搜索寻优的算法。
近十几年来,国内外涌现出许多求解多目标问题的遗传算法及其改进形式,这些算法及其改进形式在解决多目标优化问题中得到成功应用,显示出强大的生命力。
本课题的主要目的是通过应用所学的文献检索知识,检索国内外在多目标优化遗传算法的研究进展方面的文献。
通过阅读理解这些文献,掌握该领域的最新研究情况;通过对各种遗传算法适用条件、应用范围及优缺点的分析,以发现该领域研究切入点和今后发展方向。
2.检索策略2.1 检索工具的选择该课题涉及目标规划领域、进化算法领域,属于数学、计算科学。
同时,该课题在众多工程领域中应用广泛。
因此,以下数据库为必检数据库:(1)中文数据库维普中文期刊数据库或万方数据资源系统中国国家知识产权局数据库 (2)外文数据库美国工程索引EI英国科学文摘网络版INSPEC 科学引文索引SCI欧洲专利数据库2.2 检索词的选择在检索词的选择上要注意同义词、近义词、不同拼写方式等。
(1)中文检索词核心检索词:遗传算法、多目标优化其他检索词:进化算法、多目标、多目标规划、多目标决策、优化、传统多目标优化方法、多目标遗传算法在研究课题文献检索初期,主要应用课题的核心词做适当的组配成为检索式,进行文献查找。
对于本课题而言,最核心、最显著的检索词是“遗传算法和多目标优化”。
因为多目标问题应用广泛,所以存在多目标决策、多目标规划、多目标优化等多个检索近义词,如果只检索“多目标优化”,可能会导致检索不到“多目标决策、多目标规划”, 然而这些领域却是多目标问题的重要应用领域。
综上考虑,在检索过程中为提高查全率, 决定将初始检索词定为:“遗传算法和多目标”,即不考虑决策、规划、优化等词。
另外, 对于本课题研究中诸如发展、研究、进展之类的词语太宽泛,故不将其设为检索词,这样也不会影响查全率。
在检索过程中应根据检索结果对检索词做灵活而适当的改变,在保证查全率的情况下保证查准率。
(2)英文检索词核心检索词:genetic algorithm(s)GA,multi-objective optimization problem MOP 其他检索词: evolutionary computation EC, multiobjective,multi-objective optimization,multi-objective decision making,optimization,traditionalmulti-objectiveoptimization methods,multi-objective genetic algorithm对于英文检索词,最值得注意的是截词符的使用,因为英语中一个词义有多种表达形式,尽可能的考虑某些词不同的表现形式,使用截词符可以最大限度的提高查全率。
例如。
对“优化”这个词,至少有“optimization”和“optimizing”等两种表达方式。
所以我们选择“optimiz*”作为检索词。
根据具体的检索情况,可以挑选其中的部分组配组成检索式,以达到本课题的研究目的。
2.3 通用检索式a) 遗传算法*多目标*(进化算法+规划+决策+优化+传统) b) 遗传算法*多目标c) 遗传算法*(进化算法+规划+决策+优化+传统) d) 多目标*(进化算法+规划+决策+优化+传统)e) 进化算法+规划+决策+优化+传统f) geneticalgorithm+genetic algorithm+GA g) evolutionarycomputation+ evolutionary computation+EC+optimization+optimizing+traditional+decision making 这里,“*”表示逻辑“与”,“+”表示逻辑“或”。
检索时可根据数据库和检索结果作相应的调整。
3.检索步骤及检索结果3.1 维普中文科技期刊数据库检索式:(Title_C=遗传算法)*(Title_C=多目标)*((Keyword_C=(传统多目标)+Title_C=(传统多目标))) 由于检索条件限制过于严格,导致只有一篇文献被命中,结果如下:1) 【题名】传统多目标优化方法和多目标遗传算法的比较综述【作者】马小姝、李宇龙、严浪【机构】马小姝(西安电子科技大学,计算机学院,陕西,西安,710071;天水师范学院,物理与信息科学学院,甘肃,天水,741000), 李宇龙,严浪 (天水电气传动研究所有限责任公司,甘肃,天水,741020) 【刊名】电气传动自动化,2010,32(3):48-50,53【ISNN 号】1005-7277【关键词】多目标优化;传统优化方法;遗传算法【中图分类号】TP18 【摘要】多目标优化是最优化领域的一个重要的研究方向。
论述了多目标优化模型,同时介绍了常用的几种传统优化方法和常用的几种多目标遗传算法,对改进后的遗传算法与传统优化方法求解效果进行了比较,认为要进一步研究求解多目标优化问题的更多高效算法,若能结合两者的优点,处理多目标问题的效果将越来越好。
为了能够更好的了解“遗传算法在多目标优化中的作用”,决定将检索式简化为: (Title_C=遗传算法)*(Title_C=多目标),找到约393 篇文献,选出两篇对课题研究进展有重要意义的文献摘录如下:2) 【题名】基于遗传算法的多目标优化方法【作者】钱艳婷,王鹏涛【机构】天津理工大学计算机与通信工程学院,天津300384 【刊名】天津理工大学学报,2010,26(3):20-22【ISNN 号】1673-095X【关键词】遗传算法;多目标优化;AHP(层次分析)方法【中图分类号】TP301;U116 【摘要】文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP 方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进。