現(xiàn)實(shí)世界中的優(yōu)化問(wèn)題通常包含多個(gè)優(yōu)化目標(biāo)以及復(fù)雜的約束條件,有效地處理約束多目標(biāo)優(yōu)化問(wèn)題具有較高的理論和實(shí)際應(yīng)用價(jià)值。一般地,約束條件可能會(huì)導(dǎo)致不規(guī)則的Pareto前沿。本文的主要研究?jī)?nèi)容包含為以下兩部分:第一,基于現(xiàn)有多目標(biāo)約束處理方法在一些復(fù)雜約束條件下的缺陷,提出了一種兩階段可行性搜索的約束多目標(biāo)優(yōu)化算法（C-TPEA）。不同于現(xiàn)有算法更關(guān)注可行性,C-TPEA旨在較好地平衡收斂性,多樣性和可行性。具體如下:在第一階段中,算法不考慮約束條件,直接在整個(gè)空間中進(jìn)行搜索,工作種群因此能夠穿越一些復(fù)雜的不可行區(qū)域,避免陷入局部最優(yōu)。在第二階段中,算法加入可行性的考量,工作種群也逐漸收斂到約束邊界。為了避免此過(guò)程中種群多樣性的丟失,C-TPEA使用了基于網(wǎng)格的約束分解框架（CDG）。此外,在約束邊界附近,一些解不滿足約束條件,但其本身卻包含對(duì)搜索過(guò)程有幫助的信息,現(xiàn)有的多目標(biāo)約束處理方法往往對(duì)其忽視。為了更好地利用這類解,C-TPEA維持了一個(gè)相關(guān)外部集合并讓它們參與到搜索過(guò)程。最后,通過(guò)在多組測(cè)試問(wèn)題上的實(shí)驗(yàn)分析,驗(yàn)證了C-TPEA在約束多目標(biāo)優(yōu)化問(wèn)題上具有優(yōu)異的性能。第二,為了更好地... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
    1.1 引言
    1.2 研究進(jìn)展
        1.2.1 進(jìn)化算法
        1.2.2 約束處理方法
    1.3 本文主要研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第二章 背景介紹
    2.1 多目標(biāo)優(yōu)化問(wèn)題
        2.1.1 問(wèn)題定義
        2.1.2 相關(guān)定義
    2.2 性能評(píng)價(jià)指標(biāo)
    2.3 多目標(biāo)優(yōu)化算法
        2.3.1 經(jīng)典優(yōu)化算法
        2.3.2 多目標(biāo)進(jìn)化算法
    2.4 基于網(wǎng)格的約束分解框架
        2.4.1 建立網(wǎng)格系統(tǒng)
        2.4.2 基于網(wǎng)格的約束分解相關(guān)定義
    2.5 測(cè)試問(wèn)題集
        2.5.1 DTLZ測(cè)試集
        2.5.2 CTP測(cè)試集
        2.5.3 LIR-CMOP測(cè)試集
    2.6 本章小結(jié)
第三章 一種兩階段基于約束分解的約束多目標(biāo)進(jìn)化算法
    3.1 引言
    3.2 動(dòng)機(jī)
    3.3 約束處理方法
        3.3.1 基于組合排序的選解方法
        3.3.2 兩階段的可行性搜索
        3.3.3 外部集的保存
        3.3.4 分析
    3.4 算法設(shè)計(jì)
        3.4.1 算法框架
        3.4.2 初始化
        3.4.3 生成新解
        3.4.4 更新理想點(diǎn)和極值點(diǎn)
        3.4.5 更新網(wǎng)格系統(tǒng)
        3.4.6 更新閾值ε
    3.5 實(shí)驗(yàn)設(shè)置
        3.5.1 測(cè)試問(wèn)題
        3.5.2 參數(shù)設(shè)置
    3.6 實(shí)驗(yàn)結(jié)果與分析
        3.6.1 在CTP等測(cè)試問(wèn)題集上的表現(xiàn)
        3.6.2 在CF測(cè)試問(wèn)題集上的對(duì)比
        3.6.3 在LIRCMOP問(wèn)題上的表現(xiàn)
        3.6.4 所采用約束處理方法的有效性
    3.7 本章小結(jié)
第四章 基于自適應(yīng)調(diào)整網(wǎng)格系統(tǒng)的多目標(biāo)進(jìn)化算法
    4.1 引言
    4.2 動(dòng)機(jī)
    4.3 自適應(yīng)網(wǎng)格系統(tǒng)的設(shè)置
    4.4 算法設(shè)計(jì)
        4.4.1 算法框架
        4.4.2 初始化
        4.4.3 生成新解
        4.4.4 更新
        4.4.5 選擇
        4.4.6 不規(guī)則PF的檢測(cè)
    4.5 實(shí)驗(yàn)設(shè)置
        4.5.1 測(cè)試問(wèn)題
        4.5.2 參數(shù)設(shè)置
    4.6 實(shí)驗(yàn)結(jié)果與分析
        4.6.1 在不連續(xù)PF問(wèn)題上的實(shí)驗(yàn)
        4.6.2 在退化PF問(wèn)題上的實(shí)驗(yàn)
        4.6.3 與最新的調(diào)整權(quán)重算法的對(duì)比
        4.6.4 參數(shù)t的敏感性分析
    4.7 碳纖維拉伸工藝的優(yōu)化
        4.7.1 問(wèn)題介紹
        4.7.2 實(shí)驗(yàn)設(shè)置
        4.7.3 實(shí)驗(yàn)結(jié)果
    4.8 本章小結(jié)
第五章 研究工作總結(jié)與未來(lái)展望
    5.1 研究總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及學(xué)術(shù)論文情況



本文編號(hào)：3344375