在實際生活和工程項目中,人們經常會遇到使多個目標在給定區(qū)域同時獲得最佳的優(yōu)化問題,這些目標常常相互沖突,這類問題稱作多目標優(yōu)化問題（Multi-objective optimization problems,MOP）。從多目標優(yōu)化問題被提出,進化算法一直作為解決此類問題的最有效手段,但是這類進化算法求解對象大部分為已知優(yōu)化函數的確定性問題。而實際工程優(yōu)化問題與此不同,優(yōu)化函數經常是未知的,且評估實驗成本昂貴;優(yōu)化函數中經常含有可用區(qū)間表示的不確定變量。本文將以上兩個問題歸納為“昂貴區(qū)間多目標優(yōu)化問題”。針對該問題本文主要做如下改進:（1）在模型建模數據不充足的情況下,針對優(yōu)化函數未知的昂貴區(qū)間多目標優(yōu)化問題,根據決策空間數據挖掘,提出了一種基于主曲線建模的NSGA-II算法。該算法首先利用K主曲線描述決策空間種群分布數據流形。然后利用主曲線模型通過插值和延展的方法生成子代,與遺傳算法的隨機生成子代策略相比,通過確定性數據挖掘生成有效子代效率會更高。由于目標空間擁擠距離無法求出,為此利用K主曲線模型篩選出與待測解距離最近的前、后相鄰解,實現(xiàn)了在決策空間對同序值待測解的篩選,進而完成了對區(qū)... 

【文章來源】：燕山大學河北省

【文章頁數】：64 頁

【學位級別】：碩士

【部分圖文】：

Pareto前沿示意圖

圖 2-1Pareto 前沿示意圖離距離公式如下： 221 2,3 3rm i m jd f f D F T x ,u x ,u cm j fx ,u ， 22r rm i m jF f x ,u fx ,u ， T 集的部分，rT 表示T 的半徑。群解序值相同時，計算解與其各自相鄰的21 11[ ( , ), ( , )]zi i im mmSD df f x u xu擠距離的解的序號，m 代表在第m 維方向上與i最近的兩個解。優(yōu)化函數維數為 2 的時候，種群解ix 的區(qū)間

第 2 章 區(qū)間多目標優(yōu)化問題概述序后種群前 pop 個種群解形成新的種群，并令新種群為 N(k 7 進行分支判斷，如果k G，轉至步驟 8 繼續(xù)執(zhí)行，否則，2 繼續(xù)執(zhí)行。 8 輸出得到 Pareto 前沿。

【參考文獻】：
期刊論文
[1]蒸汽動力系統(tǒng)柔性設計和多目標優(yōu)化研究進展[J]. 李帥,姜曉濱,賀高紅,肖武,呂俊鋒,史朝霞,羅立.  化工進展. 2017(06)
[2]區(qū)域多微網系統(tǒng)的多目標優(yōu)化調度方法[J]. 王守相,吳志佳,袁霜晨,莊劍.  電力系統(tǒng)及其自動化學報. 2017(05)
[3]考慮低谷時刻負調峰能力及風電預測區(qū)間的多目標機組組合優(yōu)化研究[J]. 向紅吉,戴朝華,明杰,鄔明亮,趙傳,陳維榮.  電網技術. 2017(06)
[4]城軌列車多目標優(yōu)化控制算法研究與仿真[J]. 孟建軍,裴明高,武福,韋騰舟,郝帥.  系統(tǒng)仿真學報. 2017(03)
[5]基于多目標優(yōu)化的機場行李運輸車輛調度問題研究[J]. 衡紅軍,晏曉東,王芳,李海豐.  計算機應用與軟件. 2017(02)
[6]求解昂貴區(qū)間多目標優(yōu)化問題的高斯代理模型[J]. 陳志旺,白鋅,楊七,黃興旺,李國強.  控制理論與應用. 2016(10)
[7]區(qū)間多目標優(yōu)化中決策空間約束、支配及同序解篩選策略[J]. 陳志旺,白鋅,楊七,黃興旺,李國強.  自動化學報. 2015(12)
[8]基于樣本密度和分類誤差率的增量學習矢量量化算法研究[J]. 李娟,王宇平.  自動化學報. 2015(06)
[9]基于集合經驗模式分解和遺傳-高斯過程回歸的短期風速概率預測[J]. 甘迪,柯德平,孫元章,崔明建.  電工技術學報. 2015(11)
[10]深層神經網絡中間層可見化建模[J]. 高瑩瑩,朱維彬.  自動化學報. 2015(09)

博士論文
[1]基于多目標差分進化的分子對接算法研究[D]. 徐淑坦.吉林大學 2015
[2]進化算法及智能數據挖掘若干問題研究[D]. 張捷.西安電子科技大學 2013
[3]基于區(qū)間的不確定性優(yōu)化理論與算法[D]. 姜潮.湖南大學 2008

碩士論文
[1]昂貴區(qū)間多目標優(yōu)化數據挖掘求解策略[D]. 白鋅.燕山大學 2015
[2]基于視覺感知的行為識別方法的研究與實現(xiàn)[D]. 肖燕霞.電子科技大學 2014
[3]基于NSGA-II的含風電場電力系統(tǒng)多目標調度計劃研究[D]. 羅斌.長沙理工大學 2013
[4]基于遺傳算法的流域空間數據挖掘[D]. 彭晶倩.武漢理工大學 2006



本文編號：3507415