摘要: 多目标优化问题是指需要同时对两个及以上目标进行优化然后求解的问题，在优化其中一个目标的同时可能会导致劣化其他的目标，该类问题的求解是需要找到一组能够使各个多目标之间优化性能均衡的解。机组组合优化问题是多目标优化问题的一个典型问题，... 展开 多目标优化问题是指需要同时对两个及以上目标进行优化然后求解的问题，在优化其中一个目标的同时可能会导致劣化其他的目标，该类问题的求解是需要找到一组能够使各个多目标之间优化性能均衡的解。机组组合优化问题是多目标优化问题的一个典型问题，由于其研究可以带来显著的经济效益，故提出各种方法来解决这个问题。遗传算法在解决机组组合优化问题时有较大优势，但也存在着容易陷入局部最优、搜索能力较弱等缺点，粒子群算法具有搜索速度快、效率高等优点，但对离散型问题处理效果不佳。针对这些问题，本文对此做了研究与改进并应用到机组组合优化问题中。 本文对遗传算法和粒子群算法进行改进结合，通过研究遗传算法和粒子群算法的操作流程以及各自的改进算法，深入分析遗传算法和粒子群算法的优缺点，讨论研究两种算法的结合方法，并对结合方法进行选择探讨。针对传统的遗传算法局部搜索能力较弱的问题，本文使用了一种将遗传算法和粒子群算法结合的方法，提高了算法的局部搜索能力，加快了收敛速度。将混合智能算法与单一的遗传算法和粒子群优化算法同时对测试函数进行优化，比较实验结果，验证混合智能优化算法的性能。 将混合智能优化算法应用于机组组合优化问题中，在目标函数中加入节能减排约束，完成实现多目标功能的需求。并通过对比遗传算法和粒子群优化算法的实验结果，进一步证明了混合智能优化算法的良好性能。 收起