隨著經(jīng)濟(jì)的快速發(fā)展,許多企業(yè)對高質(zhì)量、低成本、高安全性等多重矛盾的需求越來越高,從而需要考慮的目標(biāo)(因素)越來越多.因此,研究四個(gè)以上沖突目標(biāo)同時(shí)達(dá)到最優(yōu)的優(yōu)化問題即超多目標(biāo)優(yōu)化問題(many-objective optimization problems)十分重要.在一些實(shí)際應(yīng)用中許多優(yōu)化問題都含有冗余目標(biāo),目標(biāo)降維方法通過分析目標(biāo)間的關(guān)系,去除冗余目標(biāo),從而找到最少必要目標(biāo)子集.目前,目標(biāo)降維方法是解決超多目標(biāo)優(yōu)化問題的有效途徑.本文提出了一種新的目標(biāo)降維方法.首先提出了一種有效的目標(biāo)沖突程度的度量準(zhǔn)則,通過非支配解對所占比例,即σ指標(biāo)衡量兩個(gè)目標(biāo)的沖突程度.基于支配程度矩陣的方法可以快速的計(jì)算σ指標(biāo).本文提出的沖突性度量準(zhǔn)則考慮到了潛在的支配結(jié)構(gòu)保持,能對目標(biāo)之間的沖突程度給出一個(gè)有效的度量.在該準(zhǔn)則的基礎(chǔ)之上,本文應(yīng)用特征選擇技術(shù)提出了一種快速目標(biāo)降維算法,該算法算法具有較低的計(jì)算復(fù)雜度.在DTLZ(I,M)的9個(gè)測試實(shí)例上,提出的算法與δ-MOSS算法,LPCA,NLMVUPCA算法比較,數(shù)值仿真結(jié)果表明了本文提出方法的有效性.另外,本文將目標(biāo)降維問題轉(zhuǎn)化為一個(gè)約束多目標(biāo)優(yōu)化問題,然后應(yīng)用進(jìn)化算法進(jìn)行求解.第一個(gè)目標(biāo)對應(yīng)的是所選目標(biāo)子集的規(guī)模,即降維后目標(biāo)的數(shù)目;第二個(gè)目標(biāo)對應(yīng)的是本文提出的支配結(jié)構(gòu)改變程度σ指標(biāo)的值.由于在目標(biāo)降維中,降維后的優(yōu)化問題的解與原優(yōu)化問題的解應(yīng)該盡可能的保持一致,即解集的非支配關(guān)系應(yīng)該盡可能地保持,因此支配結(jié)構(gòu)改變程度σ指標(biāo)的值不能太大.此外,該優(yōu)化問題是一個(gè)對目標(biāo)集進(jìn)行選擇的組合優(yōu)化問題,組合優(yōu)化問題對進(jìn)化算法帶來了極大的挑戰(zhàn).鑒于此,本文提出一種通過搜索鄰域的局部搜索方法來提高算法的效率.最后將提出的基于帶有局部搜索的約束進(jìn)化算法的目標(biāo)降維算法同δ-MOSS,k-EMOSS,FORA算法在常用測試函數(shù)DTLZ(I,M)上對比,仿真實(shí)驗(yàn)結(jié)果表明本文提出算法具有很好的性能.
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：O224
【部分圖文】：

變支配結(jié)構(gòu)的代價(jià)是合理的以至于不能超過某一具體的定值. 也就是函數(shù)值太大的解，所以只關(guān)注局部的把降維降維問題轉(zhuǎn)化為一個(gè)帶約束標(biāo)數(shù)學(xué)模型表述如下:1 22min ( ) = ( ( ), ( ))s.t ( )g g gg x x xx結(jié)構(gòu)大小的一個(gè)參數(shù). 畫出了候選解并且實(shí)心圓點(diǎn)表示問 Pareto 解，但由于支配結(jié)構(gòu)的劇烈改們最優(yōu)解偏向于區(qū)域 I 內(nèi).因此，本多目標(biāo)目標(biāo)降維問題.本章中認(rèn)為支

中解對的數(shù)量,F ': ( x , y )| x , y X 果 中的目標(biāo)向量是互不支配的, σ 取得大值 1. 因此，我們有' [0,1]F.' F的. 正如[40]中討論， 的取值隨著目標(biāo)集大小和 通常是相互沖突的.解決帶約束的雙目標(biāo)優(yōu)化問題,用 0 1 mz 來代表雙目標(biāo)優(yōu)化問題的候選第i個(gè)目標(biāo);反之 0iz ，排除相應(yīng)目標(biāo)集集為 1 2 3 4 5F f , f , f , f ,f ，下圖中的二進(jìn)子集 1 5F ' f ,f .

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郝建強(qiáng),葉紅;多邊形布爾運(yùn)算的降維算法[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

2 楊玉平;向華;;對人臉識別特征數(shù)據(jù)降維算法的優(yōu)化[J];重慶電子工程職業(yè)學(xué)院學(xué)報(bào);2012年01期

3 陳綿書;付濰坊;宋瑜;李勇;;基于自適應(yīng)局部保持映射的圖像特征降維算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2008年05期

4 申合帥;趙培勇;段寶娜;;混合約束非線性最優(yōu)化問題的一個(gè)降維算法[J];山西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

5 吳正寅;薛安榮;李明;;基于權(quán)值的局部保持半監(jiān)督降維算法[J];計(jì)算機(jī)應(yīng)用研究;2011年04期

6 李華;都思丹;魯凡;高敦堂;;基于非線性降維算法的視頻序列特征提取及圖像重建[J];模式識別與人工智能;2006年05期

7 蔣巧勇;呂進(jìn);張文君;薛磊;;黃酒糖度近紅外光譜降維算法的研究[J];中國計(jì)量學(xué)院學(xué)報(bào);2015年01期

8 隋易潔;李峰;郝多虎;芮小平;陳民;;幾種降維算法的研究及應(yīng)用[J];科技視界;2016年16期

9 宋德華;姚莉秀;;基于流形保持的半監(jiān)督局部排列降維算法[J];微型電腦應(yīng)用;2013年05期

10 吳孟俊;劉建平;牛玉剛;;一種非線性降維算法在組合預(yù)測模型中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2011年05期

相關(guān)會議論文 前7條

1 楊路;;不等式機(jī)器證明的降維算法與通用程序[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（上冊）[C];1999年

2 張召;業(yè)寧;業(yè)巧林;;基于配對約束的核半監(jiān)督非線性降維算法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

3 陳昆;李躍華;;基于譜聚類的非線性降維算法研究[A];第十一屆全國博士生學(xué)術(shù)年會——信息技術(shù)與安全專題論文集[C];2013年

4 劉翠響;張艷;于明;趙衛(wèi)萍;;基于非線性降維的人臉圖像數(shù)據(jù)分析[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

5 劉奇飛;;基于興趣的微博用戶關(guān)系分析原型系統(tǒng)研究[A];第31次全國計(jì)算機(jī)安全學(xué)術(shù)交流會論文集[C];2016年

6 張敏情;蘇光偉;楊曉元;;保局投影在圖像隱密檢測中的應(yīng)用[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計(jì)算機(jī)學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

7 江晨;穆志純;張保慶;張金;;基于學(xué)習(xí)字典的稀疏表示人耳識別方法[A];第25屆中國控制與決策會議論文集[C];2013年

相關(guān)重要報(bào)紙文章 前1條

1 記者 常麗君;降維算法讓腦神經(jīng)大數(shù)據(jù)處理變簡單[N];科技日報(bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 張?zhí)镪?數(shù)據(jù)降維算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

2 張興福;基于流形學(xué)習(xí)的局部降維算法研究[D];哈爾濱工程大學(xué);2012年

3 王雷;基于全局統(tǒng)計(jì)與局部幾何性質(zhì)的數(shù)據(jù)降維算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

4 何進(jìn)榮;幾何觀點(diǎn)下的線性降維算法[D];武漢大學(xué);2014年

5 高陽;高光譜數(shù)據(jù)降維算法研究[D];中國礦業(yè)大學(xué);2013年

6 竺濤;快速與增量式數(shù)據(jù)降維算法研究[D];南京大學(xué);2017年

7 姚超;降維算法和手寫文字識別中若干問題研究[D];西安電子科技大學(xué);2014年

8 馮昕宇;基于降維算法的結(jié)構(gòu)可靠性研究[D];吉林大學(xué);2017年

9 李勇;基于內(nèi)容的圖像檢索技術(shù)研究[D];吉林大學(xué);2009年

10 王彤;高維生物數(shù)據(jù)的分類與預(yù)測研究[D];上海交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 韓靈芝;基于支配結(jié)構(gòu)保持的超多目標(biāo)降維算法研究[D];廣東工業(yè)大學(xué);2019年

2 岳曜廷;蛋白質(zhì)亞細(xì)胞定位中的特征表達(dá)與降維算法研究[D];云南大學(xué);2018年

3 李文佳;基于局部特征表達(dá)和全局統(tǒng)計(jì)降維算法的蛋白質(zhì)亞細(xì)胞定位研究[D];云南大學(xué);2017年

4 李香元;基于密度縮放因子的ISOMAP降維算法及其應(yīng)用[D];西北農(nóng)林科技大學(xué);2019年

5 馮康;面向可視化的視覺感知驅(qū)動(dòng)的監(jiān)督降維算法[D];山東大學(xué);2018年

6 趙曉偉;基于鄰接圖學(xué)習(xí)的二維非監(jiān)督型降維算法研究[D];西北大學(xué);2018年

7 馮復(fù)標(biāo);基于圖嵌入框架的高光譜圖像降維算法研究[D];北京化工大學(xué);2018年

8 梁雨;快速降維算法研究[D];南京大學(xué);2018年

9 馬玉瑩;基于數(shù)據(jù)降維算法的模擬電路故障診斷應(yīng)用研究[D];北方工業(yè)大學(xué);2018年

10 梅清琳;基于重構(gòu)信息保持的降維算法研究[D];山東師范大學(xué);2017年

本文編號：2823954