遗传算法在多目标优化问题中的应用分析

遗传算法在多目标优化问题中的应用分析

【摘要】遗传算法是一种通过模拟自然进化过程搜索最优解的方法，它在解决复杂的全局优化问题方面已取得了成功的应用，并受到了人们广泛的关注。然而遗传算法是一种新型的优化技术，它今后的发展还有许多工作需要不断充实提高。

多目标最小生成树问题是典型的NP难问题。在实际应用中具有广泛的代表性。因此将多目标最小生成树问题用于测试本文提出的多目标优化遗传算法，更准确评价该算法获取的解的优劣性。

【关键词】遗传算法;多目标优化;非劣最优解；

一、遗传算法概述

生物的进化是一个奇妙的优化过程，它通过选择淘汰，突然变异，基因遗传等规律产生适应环境变化的优良物种。遗传算法是根据生物进化思想而启发得出的一种全局优化算法。

遗传算法简称GA(Genetic Algorithm)，在本质上是一种不依赖具体问题的直接搜索方法。遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方而都得到应用。