快速多目标免疫优化方法求解多目标区间数规划

作为具有多个相互矛盾的性能指标和有界不确定参数的不确定规划模型,多目标区间数规划是数学和智能优化领域的艰巨课题。 尽管具有广泛的工程应用背景,但它仍然是开放的,并且需要对基础理论,模型转换和智能优化器进行进一步的研究。 其中,这项工作不仅为解决此类模型找到了一条新的捷径,而且提出了一种新颖的多目标区间数免疫优化算法。 根据最优值向量解的新概念,发现了模型与相关的自然区间扩展名之间的内在解关系,从而获得了一种快速的区间无名排序方法。 该算法主要由种群划分,扩散,进化,选择和记忆更新组成,其中设计了一种协同进化机制,以促进当前种群在排序方法和辅助手段的帮助下Swift向帕累托前沿移动。外部档案集。 该算法的资源消耗主要取决于档案的大小。 比较实验已经验证,优化器可以在比较方法中有效地表现良好,并且在效率方面明显优于它们。