同時存在區(qū)間顯式指標和模糊隱式指標的高維混合指標優(yōu)化問題是一類難以求解的不確定多目標優(yōu)化問題.針對該問題,首先,分別對高維顯式指標和隱式指標的主要參數(shù)按確定性多目標優(yōu)化,根據(jù)獲得的相關權值,將高維顯式指標和高維隱式指標分別降維成一維等效區(qū)間適應值和一維等效模糊適應值,二者合成個體等效指標體;然后,依據(jù)等效指標體的占優(yōu)情況,通過確定自適應參考點和偏好區(qū)域面積選擇個體;最后,在大規(guī)模種群NSGA-II范式下,采用隱式指標估計策略和種群聚類方法實現(xiàn)交互式進化優(yōu)化算法.將本文算法應用于2種混合性能指標優(yōu)化問題,驗證所提算法的有效性和泛化性. 

【文章來源】：電子學報. 2020,48(07)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 高維混合性能指標優(yōu)化問題模型
3 算法總體框架
4 隱式指標估計
    4.1 隱式指標意義的個體相似度
    4.2 模糊適應值估計
5 混合指標的降維
6 個體選擇策略
    6.1 混合性能指標個體占優(yōu)情況
    6.2 基于自適應參考點的互不占優(yōu)個體比較策略
7 性能分析
8 實驗與結果分析
    8.1 在室內布局優(yōu)化問題中的應用
        8.1.1 優(yōu)化問題與參數(shù)設置
        8.1.2 實驗結果分析
            (1)算法效率
            (2)算法收斂性
            (3)pareto最優(yōu)解集
    8.2 在室內掛鐘外觀設計問題中的應用
        8.2.1 優(yōu)化問題與參數(shù)設置
        8.2.2 實驗結果分析
9 結論


【參考文獻】：
期刊論文
[1]進化高維多目標優(yōu)化研究進展[J]. 孫靖,鞏敦衛(wèi).  控制理論與應用. 2018(07)
[2]基于進化個體模糊適應值估計的交互式遺傳算法[J]. 郭廣頌,陳良驥,文振華,侯軍興.  控制與決策. 2018(09)
[3]一種新的區(qū)間數(shù)的比較與排序方法[J]. 高德寶,于輝.  統(tǒng)計與決策. 2017(17)



本文編號：3515721