【摘要】：基于參考點的多目標(biāo)演化算法利用一個均勻分布的參考點集作為指導(dǎo)搜索的方向,提高算法在多樣性上的性能,有效降低求解多目標(biāo)或高維多目標(biāo)優(yōu)化問題的難度。目前,基于參考點的多目標(biāo)演化算法是較流行的求解高維多目標(biāo)優(yōu)化問題的技術(shù)之一。它與基于分解的多目標(biāo)演化算法的不同之處在于沒有使用聚合函數(shù)。盡管基于參考點的多目標(biāo)演化算法在求解高維多目標(biāo)優(yōu)化問題上展現(xiàn)出了一定優(yōu)勢,然而根據(jù)“沒有免費午餐”定理,它在算法設(shè)計和應(yīng)用層面均存在著缺陷和不足。本文圍繞該類方法,著眼于“如何在目標(biāo)空間中平衡收斂性和多樣性”以及“如何能夠同時有效處理非規(guī)則和規(guī)則的問題”這兩個問題上,展開了系統(tǒng)性的研究,并且把基于參考點的多目標(biāo)優(yōu)化算法應(yīng)用到衛(wèi)星星座設(shè)計問題中。(1)如何在目標(biāo)空間中平衡收斂性和多樣性多目標(biāo)演化算法是為了找到一組離Pareto前沿近,而且沿著前沿均勻分布的非支配解集,即收斂性和多樣性。在高維多目標(biāo)優(yōu)化問題中,隨著目標(biāo)個數(shù)的增多,Pareto支配變得無效,導(dǎo)致種群中存在大量的非支配解,進而降低了解向Pareto前沿移動的壓力。并且隨著目標(biāo)個數(shù)的增多,維護多樣性也變得困難。在已有的研究中,有些算法收斂性較好,而多樣性較差。有些算法維護了較好的多樣性,但收斂性不強。因此,如何有效地平衡收斂性和多樣性是需要進一步研究的問題。(2)如何能夠同時有效處理非規(guī)則和規(guī)則的問題由于基于參考點的多目標(biāo)演化算法中,參考點集是均勻分布的,導(dǎo)致這些算法在規(guī)則的問題上有很好的性能。然而,當(dāng)這些算法用于求解非規(guī)則的問題時,例如具有不連續(xù),退化,反向等特性的問題,往往不能獲得較好的解集。為了能夠有效地求解非規(guī)則問題,提出了一些自適應(yīng)參考點的演化算法。然而,這些自適應(yīng)參考點的演化算法在求解規(guī)則的問題時,又沒有較好的性能。因此,如何能夠同時有效處理非規(guī)則和規(guī)則問題是一個值得研究的問題。(3)衛(wèi)星星座設(shè)計問題衛(wèi)星星座設(shè)計問題是一個典型的多目標(biāo)優(yōu)化問題。設(shè)計區(qū)域覆蓋星座常常需要滿足很多指標(biāo),如覆蓋百分比,最大重返時間,平均重返時間,地面分辨率,衛(wèi)星個數(shù)等。然而,很多研究通常選擇其中一兩個指標(biāo)作為目標(biāo)函數(shù),并且用單目標(biāo)演化算法或者傳統(tǒng)的多目標(biāo)演化算法求解�；趨⒖键c的多目標(biāo)演化算法并沒有應(yīng)用到該問題中。因此,用基于參考點的多目標(biāo)演化求解衛(wèi)星星座設(shè)計問題是很有意義的研究。本文針對以上問題進行了研究,主要研究成果和創(chuàng)新點包括:(1)針對如何在目標(biāo)空間平衡收斂性和多樣性問題,提出了一個創(chuàng)新的算以維護好的多樣性。因此,本文通過關(guān)聯(lián)操作融合了它們,共同指導(dǎo)算法搜索。通過實驗驗證和分析,該算法可以得到收斂性和多樣性具佳的非支配解集。(2)針對支配中收斂性信息不足問題,本文提出一個增強的支配關(guān)系。經(jīng)過理論證明,增強的支配在種群上是一個嚴(yán)格的偏序關(guān)系,能夠直接應(yīng)用到非支配排序中。為了維護更好的多樣性,使用了一個基于參考點的密度選擇機制�；谝陨蟽�(nèi)容,本文提出一個新的基于增強支配和密度選擇的演化算法,用于求解高維多目標(biāo)優(yōu)化問題。通過實驗驗證和分析,該算法能夠增強支配,并在規(guī)則的問題上獲得了較好的性能。(3)基于非自適應(yīng)參考點的演化算法在規(guī)則問題上能夠獲得較好的結(jié)果,在非規(guī)則的問題上不能�；谧赃m應(yīng)參考點的演化算法在非規(guī)則問題上性能較好,而在規(guī)則問題上退化。針對這個問題,即如何能夠同時有效處理非規(guī)則和規(guī)則問題,本文提出了一個自適應(yīng)參考點的演化算法。該算法中為了控制參考點的調(diào)整,使用了熵。為了維護參考點的多樣性,設(shè)計了一個基于余弦相似度的調(diào)整策略。通過實驗驗證和分析,該算法既能夠有效求解規(guī)則問題,也能夠有效處理非規(guī)則問題。(4)對于衛(wèi)星星座設(shè)計問題,目前大部分的研究都集中在兩三個目標(biāo)的星座設(shè)計上,并且用于求解該問題的算法都是一些傳統(tǒng)的算法。本文用基于參考點的演化算法求解衛(wèi)星星座設(shè)計問題。為了更好的評估星座的性能,選擇了4個指標(biāo)作為目標(biāo)函數(shù)。通過實驗仿真,結(jié)果表明基于參考點的演化算法能夠得到滿足需求的星座。
【圖文】：

圖 1.1 多目標(biāo)優(yōu)化概念組成的集合被稱為 Pareto 集合(Pareto圖形，稱為 Pareto 前沿(Pareto front, : 理想點*z是一個向量z(z ,z,,z*2*1* 1,2,,m 。: 最差點 是一個向量 值， i 1,2,,m 。題, MOEAs 的目標(biāo)是要求解一組非支 Pareto 前沿面近，即收斂性(Convergen的分布，即多樣性(Diversity)。題空間任務(wù)的復(fù)雜性往往是很高的，單構(gòu)成的衛(wèi)星星座成為衛(wèi)星應(yīng)用的必然腦難以完成，就由多臺電腦組成的集

考點的高維多目標(biāo)演化算法研究及其在衛(wèi)星星座設(shè)計中的擇。一般是先從種群中隨機選擇出兩個父體，然后為優(yōu)勝者。循環(huán) N 次直到選出和種群大小相同個元錦標(biāo)賽選擇，選出優(yōu)勝者。異。利用 Mating 選擇出的父代進行交叉和變異操作，，模擬二元交叉(Simulated Binary Crossover，SB多項式變異(Polynomial Mutation，PM)[24]為使用最。從父代與子代的混合種群中，根據(jù)制定的策略，分優(yōu)勝個體，作為下一代演化的初始種群。環(huán)境選擇是目前重點研究的問題，交叉和變異產(chǎn)生擇和環(huán)境選擇的研究也是為了解決對應(yīng)的挑戰(zhàn)問
【學(xué)位授予單位】：中國地質(zhì)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：V474

【相似文獻】

相關(guān)期刊論文 前10條

1 賀毅朝;王熙照;趙書良;張新祿;;基于編碼轉(zhuǎn)換的離散演化算法設(shè)計與應(yīng)用[J];軟件學(xué)報;年期

2 李改靈;李立華;張麗杰;;基于修正的差異演化算法機械鏈傳動優(yōu)化設(shè)計[J];軍事交通學(xué)院學(xué)報;2015年01期

3 李曉靖;;差異演化算法及其在機械設(shè)計中的應(yīng)用[J];科技傳播;2014年01期

4 郭超峰;李梅蓮;;改進的差分演化算法及其在動態(tài)規(guī)則中的應(yīng)用研究[J];河南大學(xué)學(xué)報(自然科學(xué)版);2013年01期

5 韓珂;楊俊鵬;;求解旅行商問題的分布式演化算法[J];華北水利水電學(xué)院學(xué)報;2013年04期

6 邵梁;;基于排序采樣策略的差分演化算法[J];計算機工程與應(yīng)用;2012年01期

7 張欣;王志剛;夏慧明;;差異演化算法求解多維0—1背包問題[J];科學(xué)技術(shù)與工程;2012年06期

8 王志剛;夏慧明;;基于差異演化算法的化學(xué)方程式配平研究[J];哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版);2012年04期

9 劉家駿;劉大瑾;;混合差異演化算法求解多維背包問題[J];計算機與數(shù)字工程;2011年01期

10 楊卿譽;王志剛;;差異演化算法求解二次分配問題[J];科學(xué)技術(shù)與工程;2011年34期

相關(guān)會議論文 前10條

1 曹蓮英;侯琳;李文勇;;多目標(biāo)演化算法在公交車輛發(fā)車間隔優(yōu)化中的應(yīng)用[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

2 馮珊;李鋒;周凱波;;面向演化算法應(yīng)用的智能體系統(tǒng)建模與仿真研究[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

3 謝柏橋;戴光明;鄭蔚;王劍文;;有指導(dǎo)的多目標(biāo)演化算法在區(qū)域星座設(shè)計中的應(yīng)用[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第四屆學(xué)術(shù)年會論文集[C];2007年

4 顏雪松;時晨;李暉;喬永強;;探測器電路優(yōu)化設(shè)計的演化算法研究[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第六屆學(xué)術(shù)年會暨863計劃“深空探測與空間實驗技術(shù)”重大項目學(xué)術(shù)研討會論文集[C];2009年

5 張文俊;謝曉鋒;馬君;;并行演化算法在半導(dǎo)體器件綜合中的應(yīng)用[A];2006年全國開放式分布與并行計算學(xué)術(shù)會議論文集（二）[C];2006年

6 李林;宋立榮;肖邦定;李根保;Hongqing Cao;Friedrich Recknagel;He Zhang;Grace Chan;;雜交演化算法用于滇池藍(lán)藻水華的模擬與預(yù)警研究[A];中國藻類學(xué)會第八次會員代表大會暨第十六次學(xué)術(shù)討論會論文摘要集[C];2011年

7 李亮;褚雪松;;基于混沌變異和局部探索方式多樣性的演化算法在邊坡穩(wěn)定分析中的應(yīng)用[A];第八次全國巖石力學(xué)與工程學(xué)術(shù)大會論文集[C];2004年

8 李彬;胡浩;李剛;;基于多目標(biāo)演化算法的可靠度計算方法[A];中國力學(xué)大會-2015論文摘要集[C];2015年

9 陳偉;史小衛(wèi);;基于改進自適應(yīng)演化算法的微波電路優(yōu)化設(shè)計[A];2005'全國微波毫米波會議論文集（第一冊）[C];2006年

10 李元香;謝曼;鄭波盡;張進波;楊怡偉;;演化硬件設(shè)計的改進演化程序[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 周沖;基于參考點的高維多目標(biāo)演化算法研究及其在衛(wèi)星星座設(shè)計中的應(yīng)用[D];中國地質(zhì)大學(xué);2018年

2 岳雪芝;高維多目標(biāo)動力學(xué)演化算法及在GPU上的實現(xiàn)[D];武漢大學(xué);2013年

3 郭肇祿;獵物—捕食者模型啟發(fā)的演化算法研究[D];武漢大學(xué);2013年

4 汪祖柱;基于演化算法的多目標(biāo)優(yōu)化方法及其應(yīng)用研究[D];安徽大學(xué);2005年

5 吳志健;演化優(yōu)化及其在微分方程反問題中的應(yīng)用[D];武漢大學(xué);2004年

6 魏波;交互式與自適應(yīng)演化算法研究[D];武漢大學(xué);2013年

7 萬書振;動態(tài)環(huán)境下差分演化算法研究與應(yīng)用[D];武漢理工大學(xué);2012年

8 武志峰;差異演化算法及其應(yīng)用研究[D];北京交通大學(xué);2009年

9 龔文引;差分演化算法的改進及其在聚類分析中的應(yīng)用研究[D];中國地質(zhì)大學(xué);2010年

10 庫俊華;自適應(yīng)差分演化算法及其應(yīng)用研究[D];中國地質(zhì)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 張慧芳;引導(dǎo)聚類的多層次差分演化算法研究[D];天津理工大學(xué);2017年

2 廖景亮;差分演化算法中個體選擇機制的研究[D];華僑大學(xué);2016年

3 彭超;差分演化算法的評估、改進與應(yīng)用研究[D];大連海事大學(xué);2016年

4 趙永翔;多目標(biāo)差分演化算法的構(gòu)造及其應(yīng)用[D];武漢理工大學(xué);2007年

5 程鋼;基于差分演化算法的圖像聚類研究[D];湖北工業(yè)大學(xué);2015年

6 盧青波;差異演化算法及其在機械優(yōu)化設(shè)計中的應(yīng)用[D];太原科技大學(xué);2008年

7 胡中波;差分演化算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];武漢理工大學(xué);2006年

8 成浩;求解作業(yè)車間調(diào)度問題的禁忌演化算法[D];武漢理工大學(xué);2006年

9 許晗;基于信息共享的組合演化算法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

10 陳偉;隊伍演化算法及其在微波電路設(shè)計中的應(yīng)用[D];杭州電子科技大學(xué);2015年

本文編號：2645789