张涛，陈薇，周俊，刘瑞林，陈芳

长江大学信息与数学学院，湖北 荆州 434023

多目标规划问题是指同时优化多个相互冲突目标的优化问题，由于其可以全面体现决策者的意愿，从而广泛应用于工程实践中，如跨流域调水问题[1]、土地资源使用问题[2]、工程设计问题[3]、绿色煤炭生产问题[4]等。但由于多目标问题的复杂性，其有效的算法设计一直是优化领域的研究热点。

智能算法的发展促进了最优化方法从“方法定向”到“问题定向”的转变。相对于传统算法，智能优化算法具有以下优点：对目标函数和约束函数的性能要求更为宽松；计算效率比理论上的最优性更为重要；多数算法有一个多个体的种群，寻优过程实际上就是一个种群进化的过程。结合多目标规划问题的结构特征，智能算法已成为求解多目标规划问题的重要手段。SCHAFFER设计了求解多目标规划问题的向量评价遗传算法(VEGA)[5]；FONSECA和FLEMING提出了求解多目标规划问题的遗传算法MOGA[6]，该算法易于操作且计算效率较高，但该算法过于依赖共享参数，极易陷入局优；SRINIVAS和DEB提出了求解多目标规划问题的非受控排序遗传算法(NSGA)，该算法具有较好的收敛性且Pareto最优解分布均匀，但算法计算量大，计算复杂度高[7]；HORN等提出了基于小生境技术的多目标规划问题的遗传算法(NPGA)，该算法计算效率较高且能获得较好的Pareto最优解集，但难以选择和调整小生境半径和比较集的规模[8]；KNOWLES等提出了基于外部存档的多目标进化算法(PAES)，该算法利用外部存档技术保留非支配个体，并采用一种自适应的网格保持种群的多样性[9]；……