1、基于Pareto最優(yōu)概念的多目標遺傳算法是處理多目標優(yōu)化問題的一個重要算法。遺傳算法的機理很適合多目標優(yōu)化，因為遺傳算法可以在一代模擬過程中找到多個Pareto最優(yōu)解，通過適應度算法使種群收斂于Pareto前沿。但是由于遺傳算法在迭代過程中新個體產生過程的隨機性以及迭代過程中不接受局部劣解導致了搜索過程中丟失部分全局最優(yōu)解，使得多目標遺傳算法在搜索效率上和精度上存在不足。 與遺傳算法相比，禁忌算法中在局部最優(yōu)解獲取上性能更佳。禁

2、忌算法利用禁忌表保存搜索過程中的局部最優(yōu)解，禁忌表可以控制搜索路徑的選擇，使得搜索的范圍更大，同時禁忌某些個體被選擇，以避免陷入某個局部空間，禁忌表的使用增強了搜索算法獲取全局最優(yōu)解的能力。禁忌算法中在利用禁忌表控制搜索路徑的同時，采用“策略擺動”的策略利用懲罰因子來控制劣解的選擇，使得禁忌算法在選擇過程中可以選擇較差局部最優(yōu)解，該較差局部最優(yōu)解再后經(jīng)過若干代演化后，能夠演化為全局最優(yōu)解。禁忌算法的這些特點可以彌補GA算法在局部搜索中的

3、缺點。本文根據(jù)遺傳算法和禁忌的特點將遺傳算法和禁忌算法結合，提出了名為多目標遺傳禁忌算法MOTSGA的多目標優(yōu)化算法。 為驗證改進的多目標遺傳禁忌算法的性能，本文將多目標優(yōu)化算法應用到多類SVM求最優(yōu)參數(shù)的優(yōu)化問題上。對于多分類SVM參數(shù)優(yōu)化問題，求解多類SVM分類問題的方法是將其轉換為多個二分類SVM問題，通過求解二分類SVM來求解多分類SVM。求解分解后的多個二分類最優(yōu)問題是多目標優(yōu)化問題。將本文提出的MOTSGA算法和傳統(tǒng)