本文選題：多目標(biāo)優(yōu)化算法 + 差分進(jìn)化算法��； 參考：《暨南大學(xué)》2016年碩士論文

【摘要】：在科學(xué)研究和工程設(shè)計(jì)過程中,很多具體問題都可以歸納為參數(shù)優(yōu)化問題,而現(xiàn)實(shí)當(dāng)中,這些優(yōu)化問題往往有多個(gè)設(shè)計(jì)目標(biāo),這些目標(biāo)互相矛盾,彼此制約,一個(gè)目標(biāo)的性能優(yōu)化往往會(huì)導(dǎo)致其它至少一個(gè)目標(biāo)的性能退化,即多個(gè)目標(biāo)很難同時(shí)達(dá)到最優(yōu)。因此,多目標(biāo)優(yōu)化算法的研究成為當(dāng)今科學(xué)和工程設(shè)計(jì)當(dāng)中的一個(gè)熱點(diǎn)研究方向。進(jìn)化算法是一種受自然界生物和系統(tǒng)的啟發(fā)而發(fā)展起來的啟發(fā)式搜索和優(yōu)化算法的總稱,用進(jìn)化算法求解多目標(biāo)優(yōu)化問題得到了廣泛的應(yīng)用。作為進(jìn)化算法的重要組成部分,差分進(jìn)化算法是一類容易理解、結(jié)構(gòu)簡單、可調(diào)參數(shù)少、魯棒性強(qiáng)的智能優(yōu)化方法。多目標(biāo)差分算法中,較著名的算法有DEMO(Differential evolution algorithm for multi-objective optimization)和MODEA(Multi-objective differential evolution algorithm)等。然而,DEMO使用的快速父代替換和MODEA使用貪婪變異策略使其在求解復(fù)雜問題時(shí)存在明顯的不足,容易陷入局部最優(yōu)。為解決現(xiàn)有的多目標(biāo)差分進(jìn)化算法容易陷入局部最優(yōu)的問題,本文引入跳躍基因算子,提出基于跳躍基因的多目標(biāo)差分進(jìn)化(JGMODE)算法。不同于現(xiàn)有的多目標(biāo)差分算法如DEMO和MODEA,JGMODE算法在傳統(tǒng)交叉算子之后執(zhí)行跳躍基因操作,以保持種群多樣性,提高算法的勘探能力。數(shù)值實(shí)驗(yàn)結(jié)果表明提出的算法能很好地解決局部最優(yōu)問題,在ZDT和DTLZ測試函數(shù)集的困難問題上展現(xiàn)了顯著優(yōu)于現(xiàn)有算法的性能。
[Abstract]:In the process of scientific research and engineering design, many specific problems can be summed up as parameter optimization problems, but in reality, these optimization problems often have multiple design objectives, which are contradictory and restrict each other. The performance optimization of one target often leads to the degradation of the performance of at least one other target, that is, it is difficult to achieve the optimization of multiple targets at the same time. Therefore, the research of multi-objective optimization algorithm has become a hot research direction in science and engineering design. Evolutionary algorithm is a kind of heuristic search and optimization algorithm inspired by natural organisms and systems. It is widely used to solve multi-objective optimization problems with evolutionary algorithm. As an important part of evolutionary algorithm, differential evolutionary algorithm is a kind of intelligent optimization method, which is easy to understand, simple in structure, with few adjustable parameters and strong robustness. Among the multi-objective difference algorithms, the better known algorithms are DEMO(Differential evolution algorithm for multi-objective optimization and MODEA(Multi-objective differential evolution algorithm). However, the rapid-parent method used by demo and the greedy mutation strategy used by MODEA make it easy to fall into local optimum because of its obvious deficiency in solving complex problems. In order to solve the problem that the existing multi-objective differential evolution algorithm is easy to fall into local optimum, a jump gene operator is introduced in this paper, and a multi-objective differential evolution algorithm based on jump gene is proposed in this paper. Different from the existing multi-objective differential algorithms such as DEMO and MODEAN JGMODE, the jump gene operation is performed after the traditional crossover operator to maintain population diversity and improve the exploration ability of the algorithm. Numerical results show that the proposed algorithm can solve the local optimal problem well, and the performance of the proposed algorithm is significantly better than that of the existing algorithms on the difficult problem of ZDT and DTLZ test function sets.
【學(xué)位授予單位】：暨南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進(jìn)化[J];控制與決策;2007年11期

2 楊啟文;蔡亮;薛云燦;;差分進(jìn)化算法綜述[J];模式識(shí)別與人工智能;2008年04期

3 許小健;黃小平;錢德玲;;自適應(yīng)加速差分進(jìn)化算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

4 寧桂英;周永權(quán);;基于優(yōu)進(jìn)策略的新差分進(jìn)化算法動(dòng)力學(xué)模型參數(shù)的估計(jì)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2008年05期

5 譚躍;譚冠政;涂立;;一種新的混沌差分進(jìn)化算法[J];計(jì)算機(jī)工程;2009年11期

6 王培崇;錢旭;王月;虎曉紅;;差分進(jìn)化計(jì)算研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2009年28期

7 肖術(shù)駿;朱學(xué)峰;;一種改進(jìn)的快速高效的差分進(jìn)化算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年11期

8 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進(jìn)化算法[J];輕工機(jī)械;2010年05期

9 王艷宜;;改進(jìn)差分進(jìn)化算法及其應(yīng)用[J];機(jī)械設(shè)計(jì)與研究;2010年05期

10 張照生;羅健旭;;基于差分進(jìn)化算法的模糊神經(jīng)網(wǎng)絡(luò)控制器[J];計(jì)算機(jī)與應(yīng)用化學(xué);2011年12期

相關(guān)會(huì)議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會(huì)議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個(gè)體排序的差分進(jìn)化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

3 張倩;李海港;;多目標(biāo)問題的差分進(jìn)化算法研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進(jìn)化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會(huì)論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進(jìn)的多目標(biāo)差分進(jìn)化算法研究[A];中國自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進(jìn)差分進(jìn)化算法的脈沖控制方法[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

8 袁沈堅(jiān);顧幸生;;基于差分進(jìn)化的膜計(jì)算優(yōu)化算法[A];上海市化學(xué)化工學(xué)會(huì)2010年度學(xué)術(shù)年會(huì)論文集（自動(dòng)化專題）[C];2010年

9 姜立強(qiáng);郭錚;劉光斌;;差分進(jìn)化算法縮放因子取值策略研究[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進(jìn)差分進(jìn)化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進(jìn)化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 陳盈果;面向任務(wù)的快速響應(yīng)空間衛(wèi)星部署優(yōu)化設(shè)計(jì)方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 謝宇;差分進(jìn)化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

4 丁青鋒;基于元胞自動(dòng)機(jī)的差分進(jìn)化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

5 董峗;差分進(jìn)化算法研究及在港口物流調(diào)度中的應(yīng)用[D];東北大學(xué);2015年

6 葛延峰;有關(guān)智能優(yōu)化算法及應(yīng)用的若干問題研究[D];東北大學(xué);2013年

7 賈東立;改進(jìn)的差分進(jìn)化算法及其在通信信號(hào)處理中的應(yīng)用研究[D];上海大學(xué);2011年

8 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

9 郭鵬;差分進(jìn)化算法改進(jìn)研究[D];天津大學(xué);2012年

10 王旭;改進(jìn)差分進(jìn)化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 萬婧;基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

2 張轉(zhuǎn);基于差分進(jìn)化算法的混凝土德拜模型的研究[D];長安大學(xué);2015年

3 江華;差分進(jìn)化算法的改進(jìn)及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

4 周志剛;基于差分進(jìn)化算法的信用風(fēng)險(xiǎn)度量模型研究[D];華中師范大學(xué);2015年

5 任甜甜;差分進(jìn)化算法在反演問題中的研究與應(yīng)用[D];新疆大學(xué);2015年

6 楊洋;基于差分進(jìn)化的模糊C-均值聚類算法研究[D];電子科技大學(xué);2015年

7 王丹;基于輔助函數(shù)的自適應(yīng)差分進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

8 劉家華;基于進(jìn)化計(jì)算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學(xué);2013年

9 王旦平;圓形對(duì)稱振子陣列天線基于差分進(jìn)化算法的綜合[D];西安電子科技大學(xué);2014年

10 張偉;差分進(jìn)化算法的改進(jìn)研究[D];西安電子科技大學(xué);2014年

本文編號(hào)：1944856