多目標(biāo)優(yōu)化問(wèn)題廣泛存在于不同領(lǐng)域且處于非常關(guān)鍵的地位,因此解決多目標(biāo)優(yōu)化問(wèn)題具有重要科研價(jià)值和實(shí)際意義。解決多目標(biāo)優(yōu)化問(wèn)題常用的方法是多目標(biāo)進(jìn)化算法（MOEA）,其中基于分解的多目標(biāo)進(jìn)化算法（MOEA/D）從提出以來(lái)便引起了廣泛關(guān)注。MOEA/D利用分治的思想將復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題分解為多個(gè)單目標(biāo)優(yōu)化問(wèn)題同時(shí)處理,與其它MOEA相比,MOEA/D對(duì)于處理多目標(biāo)優(yōu)化問(wèn)題有明顯的優(yōu)勢(shì),它對(duì)于連續(xù)優(yōu)化問(wèn)題和組合優(yōu)化問(wèn)題具有強(qiáng)大的搜索能力,它的性能與選用的分解方法相關(guān)。在現(xiàn)有分解方法中,具有適當(dāng)懲罰參數(shù)的基于懲罰的邊界交叉（PBI）法在處理高維多目標(biāo)優(yōu)化問(wèn)題時(shí)表現(xiàn)出了它的優(yōu)越性,但它的缺陷是其算法性能與懲罰參數(shù)設(shè)置高度相關(guān),而這個(gè)參數(shù)的范圍又很寬廣。目前對(duì)于PBI方法懲罰參數(shù)的研究與如何設(shè)置的相關(guān)工作很少,本文通過(guò)PBI方法懲罰參數(shù)的系統(tǒng)研究,針對(duì)高維多目標(biāo)優(yōu)化問(wèn)題提出了有效的改進(jìn)算法。本文主要工作如下:（1）針對(duì)高維多目標(biāo)優(yōu)化問(wèn)題,研究了PBI方法懲罰參數(shù)的敏感性,并提出了一種分階段參數(shù)自適應(yīng)的PBI算法Ada-PBI。首先從不同測(cè)試問(wèn)題的最佳懲罰參數(shù)不同與同一個(gè)問(wèn)題不同迭代時(shí)期表現(xiàn)最佳的懲... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多樣性與收斂性圖示

圖 2.2 基于分解的多目標(biāo)進(jìn)化算法基本框架流程如圖 2.2 所示。算法運(yùn)行前需要一組給定樣性，根據(jù)權(quán)向量之間的歐氏距離，找到離每鄰居。算法運(yùn)行后首先進(jìn)行種群初始化，在可

圖 2.3 PBI 分解方法圖示上述邊界交叉方法的一個(gè)缺陷是必須要處理相等約束的問(wèn)題，基于懲罰的邊界交叉（PBI）方法可以有效改進(jìn)這個(gè)問(wèn)題。PBI 分解方法具有在目標(biāo) MOP 的 PF 上獲得良好分布的解集和有效處理 MaOP 的優(yōu)點(diǎn)而被廣泛使用，它利用估計(jì)的理想點(diǎn)和通過(guò)


本文編號(hào)：3052206