梁国伟　王社伟　赵雪森

摘 要：针对遗传算法的不足，提出将禁忌搜索方法、免疫算法、遗传算法融和的多目标混合进化算法。该算法引入禁忌搜索法，避免了传统遗传算法早熟现象的发生；引入基于浓度的自适应变异操作，克服算法由于变异概率不变导致的求解过程长，解的多样性差的缺陷；引入外部精英集，避免最优解的丢失，通过ZDT系列测试函数的仿真实验并与NSGA-Ⅱ算法进行比较，验证了算法的有效性。

关键词：多目标优化；遗传算法；多目标混合进化算法；ZDT测试函数

中图分类号：TP18 文献标识码：A

Abstract：A multiobjective hybrid evolutionary algorithm （MHEA） was put forward aiming at the shortcomings of the traditional genetic algorithm， which combines taboo search algorithm， immune algorithm and genetic algorithm. This algorithm avoids the premature phenomenon of the traditional genetic algorithm through importing the taboo search algorithm. The operator of adaptive mutation based on the density overcomes the problem of long solving process caused by the constant mutation probability and bad diversity of the solution. Then external elite set was introduced to avoid the loss of the optimal solution. Finally the simulation of ZDT series test functions and the comparison with NSGA-Ⅱ algorithm verifies the effectiveness of the algorithm.

Key words：Multiobjective optimization；genetic algorithm； MHEA； ZDT test functions

2.3 算法简介

遗传算法[4，5]因其高度的并行处理能力、强鲁棒性和全局搜索能力而被广泛地应用于诸多领域。理论上遗传算法依“概率1”收敛于问题的最优解，然而实践应用中，遗传算法会表现出早熟现象、局部寻优能力较差等不足，所以一些常规遗传算法并不一定是针对某一问题的最佳求解方法。

禁忌搜索法[6]具有灵活的记忆功能和藐视原则，并且在搜索过程中可以接受劣解，因而具有较强的爬山能力，搜索时能够跳出局部最优解，从而增强获得更好的全局最优解的概率。但其搜索性能完全依赖于邻域结构和初始解。

免疫算法[7]可以通过细胞的分裂和分化作用，对抗体的产生进行促进或者抑制，体现了自我调节功能，保证了个体的多样性。

由于遗传算法、禁忌搜索法、免疫算法各有优缺点，因此将三种算法相结合，互相取长补短，则可能设计出性能优良的新的全局搜索算法，可以加快算法的收敛性同时提高算法的多样性。……