現(xiàn)如今,工業(yè)界以及科學(xué)研究中越來(lái)越多的多目標(biāo)優(yōu)化問(wèn)題已經(jīng)出現(xiàn)。粒子群優(yōu)化算法（PSO）由于其簡(jiǎn)單易實(shí)現(xiàn)、較低的計(jì)算復(fù)雜度以及較高的運(yùn)行效率等優(yōu)點(diǎn),已經(jīng)被大量的研究者運(yùn)用于解決各類多目標(biāo)優(yōu)化問(wèn)題。在解決多目標(biāo)優(yōu)化問(wèn)題時(shí),為了獲得一組更準(zhǔn)確以及多樣性更好的解集,許多多目標(biāo)粒子群優(yōu)化算法（MOPSO）以及它們的變體已經(jīng)被相繼提出。然而,一旦處理那些帕累托前沿面較為復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題時(shí),現(xiàn)在一些已有的多目標(biāo)粒子群優(yōu)化算法因?yàn)槿謱?yōu)能力較弱的緣故,在復(fù)雜的問(wèn)題上大多都容易陷入局部最優(yōu),導(dǎo)致算法性能較差。萊維飛行策略是一種符合萊維分布的隨機(jī)飛行,它能提高粒子的全局尋優(yōu)能力并使粒子能在陷入局部最優(yōu)時(shí)以較大的概率跳出局部最優(yōu)。因此,本文將萊維飛行策略引入多目標(biāo)PSO,以解決多目標(biāo)基準(zhǔn)測(cè)試函數(shù)上的優(yōu)化問(wèn)題和基因選擇過(guò)程中的優(yōu)化問(wèn)題,針對(duì)這兩類不同的問(wèn)題,提出了兩種改進(jìn)的MOPSO算法。本文的主要工作如下:（1）為了解決傳統(tǒng)多目標(biāo)優(yōu)化算法在較為復(fù)雜的多目標(biāo)測(cè)試函數(shù)上容易陷入局部最優(yōu),且得到的最優(yōu)解多樣性較差的問(wèn)題,提出一種基于萊維飛行和雙存檔機(jī)制的多目標(biāo)粒子群優(yōu)化算法（MOPSO-LFDA）。一方面,... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)模型結(jié)構(gòu)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于多目標(biāo)骨架粒子群優(yōu)化的特征選擇算法[J]. 張翠軍,陳貝貝,周沖,尹心歌.  計(jì)算機(jī)應(yīng)用. 2018(11)
[2]基于信噪比與鄰域粗糙集的特征基因選擇方法[J]. 徐久成,李濤,孫林,李玉惠.  數(shù)據(jù)采集與處理. 2015(05)
[3]基于自適應(yīng)遺傳算法的特征基因選擇[J]. 方文道,章堅(jiān)民,劉登濤,楊陽(yáng).  科技通報(bào). 2011(02)
[4]基于多目標(biāo)EDA的特征基因選擇[J]. 葉奇明,羅飛,劉娟.  計(jì)算機(jī)應(yīng)用研究. 2009(08)
[5]一種基于SVM和相關(guān)性的基因選擇方法[J]. 姬翔,王安文.  計(jì)算機(jī)應(yīng)用與軟件. 2007(06)
[6]基于支持向量機(jī)的腫瘤分類特征基因選取[J]. 李穎新,阮曉鋼.  計(jì)算機(jī)研究與發(fā)展. 2005(10)
[7]基于相關(guān)性分析的基因選擇算法[J]. 王明怡,吳平,王德林.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2004(10)

碩士論文
[1]基于混沌優(yōu)化的多種群粒子群優(yōu)化算法的研究及其應(yīng)用[D]. 李佳玲.江蘇大學(xué) 2019
[2]基于量子行為的多目標(biāo)粒子群優(yōu)化算法的研究及其應(yīng)用[D]. 孫郁聞天.江蘇大學(xué) 2019



本文編號(hào)：3273552