1、無論是在科學研究領域還是在工程設計中，都存在著大量的多目標優(yōu)化問題。如何求出這些問題的最優(yōu)解，一直都是廣大科研人員關注的焦點問題之一。但是傳統(tǒng)的數(shù)學方法已經很難滿足求解需求，而多目標進化算法的出現(xiàn)為解決這個問題開創(chuàng)了新的局面。目前比較熱門的多目標算法主要包括NSGA-II、SPEA2、MOEA/D、PESA2和MOCell等。其中，MOCell因在算法的多樣性和收斂性方面具有較好的表現(xiàn)而得到了廣泛關注。MOCell將元胞自動機與遺傳算法

2、相結合，將種群中的個體安排在固定的網格中，每個個體被限定只能和它周圍的鄰居個體進行交流。這種方式在一定程度上較好的保持了種群多樣性。但是，試驗研究發(fā)現(xiàn)MOCell在解的收斂性和多樣性方面依然存在著較大的不足，因此本文從不同的角度對MOCell算法進行了改進。
　　一是針對MOCell的種群結構，提出了三維種群拓撲結構。新結構增加了種群中優(yōu)良個體的擴散方向，使得擴散方向由二維種群結構時的四個增加到了六個。提高了種群的收斂速度，使種群

3、的多樣性和收斂性達到了一個新的平衡。實驗結果表明，改進算法的性能要優(yōu)于另外幾個對比算法。
　　二是針對MOCell使用的交叉算子進行了改進。本文借鑒正交優(yōu)化試驗設計的思想，利用正交表均衡分散，整齊可比的特性，設計出了正交交叉算子。該交叉算子的一個顯著優(yōu)點就是一次交叉操作就能同時產生多個子代個體，而且這些個體都是在父代個體周圍均衡分布的。所以得到的這些個體都是父代個體周圍代表性很強的幾個個體，然后從這些個體中選出適應度最好的一個作為

4、子代個體。為了驗證新交叉算子的性能，分別將其與MOCell和NSGA-II算法相結合，并用測試函數(shù)進行測試，實驗結果表明新交叉算子是有效的。
　　三是為了將 MOCell應用到求解多目標柔性作業(yè)車間調度問題上，本文針對MOCell求解柔性作業(yè)車間調度問題時容易陷入早熟的問題，設計了自適應機制和局部搜索機制。自適應機制是指算法在對整個種群完成一次迭代后，會對種群的收斂速度進行計算，然后按照收斂速度的快慢對種群的形狀進行自動調整，保持