發(fā)布時間：2021-06-26 13:55

　　現(xiàn)實世界中大量工程問題和數(shù)值問題等都存在大量的決策變量,當決策變量超過1000維時,稱之為大規(guī)模全局優(yōu)化（Large Scale Global Optimization簡稱LSGO）問題,并且隨著科技發(fā)展,越來越多的伴隨著越來越多決策變量的LSGO問題需要解決。LSGO問題的難點在于“維度災難”,維度的增加導致搜索空間成指數(shù)倍增長,導致傳統(tǒng)進化算法在解決LSGO問題時失效。協(xié)同進化算法是有效處理LSGO問題的方法之一,其基于分而治之的思想使協(xié)同進化算法在處理LSGO問題有非常大的優(yōu)勢。協(xié)同進化算法的實現(xiàn)主要分為3步,首先將一個大規(guī)模問題分解為多個低維子問題;然后在其它維度的協(xié)作下,分別對每個低維子問題進行優(yōu)化;最后合并所有子問題的解。現(xiàn)有解決LSGO問題的算法在進化過程中易出現(xiàn)早熟收斂,多樣性丟失,導致進化停滯。這些現(xiàn)象主要是由于種群陷入局部最優(yōu),以至于種群中多個個體出現(xiàn)重疊,導致維度缺失。由于已有分組策略不分小組重要性,平分計算資源,導致算法無法提高搜索質(zhì)量。針對上述問題,本文的主要工作和研究內(nèi)容如下:（1）介紹LSGO問題的基本概念以及LSGO問題的可分性,由于協(xié)同進化算法需要對L... 

【文章來源】：南昌航空大學江西省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 LSGO問題研究現(xiàn)狀
        1.2.1 協(xié)同進化算法
        1.2.2 進化計算
        1.2.3 群體智能
        1.2.4 局部搜索
        1.2.5 種群初始化
    1.3 本文研究的目的及意義
    1.4 本文研究的主要內(nèi)容以及文章結(jié)構(gòu)
第2章 協(xié)同進化算法的分組策略研究
    2.1 問題可分性
    2.2 靜態(tài)分組
    2.3 動態(tài)分組
        2.3.1 隨機動態(tài)分組
        2.3.2 動態(tài)學習分組
    2.4 關(guān)于分組策略的相關(guān)試驗
    2.5 本章總結(jié)
第3章 基于維度缺失檢測與恢復的協(xié)同進化算法
    3.1 綜述
    3.2 維度缺失
    3.3 基于維度缺失檢測與恢復的協(xié)同進化算法
        3.3.1 基于分組的維度缺失檢測算子
        3.3.2 維度恢復算子
        3.3.3 基于維度缺失檢測與恢復的協(xié)同進化算法
    3.4 實驗數(shù)據(jù)與分析
        3.4.1 有效性分析
        3.4.2 多樣性分析
        3.4.3 比例系數(shù)對算法影響分析
        3.4.4 收斂性結(jié)果分析
    3.5 本章總結(jié)
第4章 基于重要性與相關(guān)性度量的協(xié)同進化算法
    4.1 重要性和相關(guān)性度量概述
    4.2 靈敏度分析
    4.3 基于重要性與相關(guān)性度量的協(xié)同進化算法
        4.3.1 基于重要性與相關(guān)性度量的分組方法
        4.3.2 基于重要性與相關(guān)性度量的協(xié)同進化算法
    4.4 實驗數(shù)據(jù)及分析
        4.4.1 實驗設(shè)置
        4.4.2 分組有效性分析
        4.4.3 算法收斂結(jié)果對比
    4.5 本章總結(jié)
第5章 總結(jié)與工作展望
    5.1 總結(jié)
    5.2 工作展望
參考文獻
碩士期間發(fā)表的論文和參與的科研項目
致謝


【參考文獻】：
期刊論文
[1]面向混合變量和任意時間優(yōu)化的蟻群算法[J]. 廖天俊,余赟.  系統(tǒng)工程與電子技術(shù). 2017(03)
[2]合作型協(xié)同演化算法研究進展[J]. 張凱波,李斌.  計算機工程與科學. 2014(04)



本文編號：3251468