現(xiàn)實世界中存在大量需要同時優(yōu)化多個目標的問題。多目標優(yōu)化問題存在一組對各個目標折衷的解集,它們在目標域的投影一般稱為Pareto前沿（PF）�；诜纸獾亩嗄繕藘�(yōu)化算法（MOEA/D）將一個多目標優(yōu)化問題分解成一系列簡單的單目標優(yōu)化子問題,然后通過協(xié)作的方式同時解決子問題進而得到用于近似PF的解集。作為組合優(yōu)化問題的常用方法,局部搜索可以通過MOEA/D框架中擴展應用于組合多目標優(yōu)化問題。本論文結合MOEA/D框架以及協(xié)同群智的局部搜索,設計算法求解多目標組合優(yōu)化問題,包括以下主要內(nèi)容:1.在組合優(yōu)化問題中常存在的尖峰和長尾帕累托前沿（Pareto前沿）情形,使用MOEA/D求解時得到解集通常多樣性不是很好。針對上述問題,論文設計了一個均勻分布參考點的多種群局部搜索（URPLS-MP）算法。URPLS-MP算法先利用m（目標數(shù)）個種群粗略確定問題的一個最小個體凸集（CHIM）,再利用標準邊界插值（NBI）方法在CHIM上生成一組均勻分布的參考點,結合由極值點（nadir point）指向理想點（ideal point）的方向向量新構造一個種群迭代得到最終結果。對比實驗表明了URPLS-M... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：83 頁

【學位級別】：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 國內(nèi)外研究現(xiàn)狀
    1.3 論文貢獻
    1.4 論文結構
第二章 多目標優(yōu)化背景介紹
    2.1 多目標優(yōu)化問題
        2.1.1 多目標優(yōu)化問題的定義
        2.1.2 多目標優(yōu)化的相關概念
        2.1.3 多目標優(yōu)化算法的性能度量標準
    2.2 多目標優(yōu)化算法
        2.2.1 多目標優(yōu)化算法沿革
        2.2.2 多目標進化算法
    2.3 局部搜索技術
    2.4 組合優(yōu)化測試問題集
        2.4.1 多目標旅行商問題集
        2.4.2 多目標背包問題集
        2.4.3 多目標二次型分配問題集
    2.5 算法性能評價指標
    2.6 本章小結
第三章 均勻分布參考點的多種群局部搜索算法
    3.1 引言
    3.2 基于分解的MOEA中聚合方法的變種
    3.3 相關工作與算法設計動機
    3.4 基于均勻分布參考點的多種群局部搜索算法
        3.4.1 算法框架
        3.4.2 生成均勻參考點
        3.4.3 局部搜索
    3.5 實驗分析
        3.5.1 試驗參數(shù)設置與度量指標
        3.5.2 實驗結果與分析
    3.6 本章小結
第四章 協(xié)同群智多目標局部搜索算法
    4.1 引言
    4.2 協(xié)同進化算法
    4.3 相關工作與算法設計動機
    4.4 基于協(xié)同群智的多目標局部搜索算法
        4.4.1 算法框架
        4.4.2 局部搜索
        4.4.3 協(xié)作生成方向向量
        4.4.4 更新種群
    4.5 實驗結果與分析
        4.5.1 實驗參數(shù)設置
        4.5.2 實驗結果
        4.5.3 種群P的大小|P|敏感性測試
        4.5.4 種群Q中懲罰系數(shù)θ敏感性測試
        4.5.5 CoMOLS/D中選用iPBI和iTCH的對比
    4.6 算法應用
        4.6.1 社團檢測問題介紹
        4.6.2 社團檢測實驗結果
    4.7 本章小結
第五章 研究工作總結與展望
    5.1 本文總結
    5.2 研究展望
參考文獻
致謝
在學期間的研究成果及學術論文情況


【參考文獻】：
期刊論文
[1]綠色車間調(diào)度優(yōu)化研究進展[J]. 王凌,王晶晶,吳楚格.  控制與決策. 2018(03)
[2]關于如何用角度信息引入決策者偏好的研究[J]. 鄭金華,謝諄志.  電子學報. 2014(11)
[3]進化多目標優(yōu)化算法研究[J]. 公茂果,焦李成,楊咚咚,馬文萍.  軟件學報. 2009(02)



本文編號：3506723