【摘要】运输问题可引申为多种组合优化问题,这类问题属于NP-hard问题。针对fuzzy-GA算法求解多目标运输问题存在的早熟问题及解的分布性问题,本文在标准遗传算法的基础上加入免疫算法里的浓度抑制思想,实验证明,通过利用一系列的遗传操作和抗体亲和度计算、基于浓度群体更新策略生成下一代抗体群,确保了个体的多样性,加强了解群的散布性。论文关键词:多目标优化,模糊规则,免疫,浓度控制在求解多目标优化问题时,由于目标意义不同,存在目标之间的无法比较和冲突现象,不一定在所有目标上都是最优的解。为了达到总目标的最优化,必须折中获取目标值。在多目标空间中,空间的代数结构仅满足偏序性(partial order),不再具备单目标优化的全序优良性质,从而导致求解的困难性。Gen,Li和Cheng讨论了用生成树表示求解运输问题的遗传算法,使用树性编码的Pruefer数,作为设计染色体的可行标准。基于Pruefer数的GA在求解多目标运输问题时,由于节省了存储单元,求解时也就节省了计算时间。Zou Shurong和Zhang Hongwei提出了基于Fuzzy规则的Fuzzy-GA算法