1、多目標(biāo)進(jìn)化算法(MOEA)是模擬生物進(jìn)化理論而產(chǎn)生的高性能、自組織、高魯棒性的多目標(biāo)優(yōu)化問題求解方法。MOEA對Pareto前沿的形狀不敏感,算法一次運(yùn)行產(chǎn)生多個(gè)Pareto非支配解。正因?yàn)檫@些優(yōu)點(diǎn),MOEA已經(jīng)成為解決多目標(biāo)優(yōu)化問題的主流方法。當(dāng)前MOEA主要依靠非支配排序推動種群朝Pareto前沿進(jìn)化,在算法的后期非支配排序的推力不足,使得算法的全局尋優(yōu)能力較弱。
　　 本文旨在深入探索和研究多目標(biāo)進(jìn)化算法蘊(yùn)含的優(yōu)化原理和進(jìn)

2、化機(jī)制,并探索將貝葉斯博弈模型引入到多目標(biāo)進(jìn)化算法中,以提高多目標(biāo)遺傳算法的全局尋優(yōu)能力。本文的主要研究工作包括以下幾個(gè)方面:
　　 (1)討論了群智能算法的優(yōu)化原理和進(jìn)化算法在解決多目標(biāo)優(yōu)化問題中的求解模型,介紹了博弈論的基礎(chǔ)知識,并對多目標(biāo)進(jìn)化算法的收斂性和多樣性進(jìn)行了研究;
　　 (2)提出了一種基于貝葉斯博弈模型的多目標(biāo)遺傳算法。將每個(gè)待優(yōu)化目標(biāo)視為一個(gè)博弈參與者,通過多個(gè)參與者的博弈共同拉動種群朝Pareto前

3、沿搜索,使得算法表現(xiàn)出更好的收斂性和多樣性。本文從理論上分析了基于貝葉斯博弈模型的多目標(biāo)遺傳算法的收斂性,并對算法的性能進(jìn)行了對比驗(yàn)證,仿真實(shí)驗(yàn)結(jié)果表明算法在收斂性和解得分布性上優(yōu)于NSGA-Ⅱ算法。
　　 (3)針對網(wǎng)格調(diào)度的特點(diǎn),本文提出了基于SBG-MOGA的網(wǎng)格調(diào)度求解模型。本文對網(wǎng)格調(diào)度問題做了詳細(xì)描述,建立了多目標(biāo)優(yōu)化問題模型,設(shè)計(jì)了符合網(wǎng)格調(diào)度問題特點(diǎn)的編碼方式、精英集合以及遺傳操作。最后通過仿真實(shí)驗(yàn),驗(yàn)證了算法的