本文關鍵詞：帶有權重偏好的進化多目標算法

  更多相關文章： 權重偏好 多目標 偏好方法 分區(qū)域

【摘要】：在求解多目標優(yōu)化問題的時候,一般采用進化多目標算法,進化多目標算法是一種模擬生物自然選擇與自然進化的隨機搜索算法,由于它適應用于求解高度復雜的非線性問題而得到非常廣泛的應用.采用進化算法解決多目標優(yōu)化問題時,往往會求出一組pareto最優(yōu)解,這些解已經(jīng)沒有好壞之分,那么對于決策者來說,要選擇滿意的最優(yōu)解就有一定的難度,這時引入決策者的偏好就是最好的打破這種平衡的關鍵.偏好信息的目的在于使決策者通過其對具體問題的認識,參與到優(yōu)化過程,使算法搜索集中于決策空間和目標空間的理想子區(qū)域,從而使得算法搜索更有效率.本文對已有的偏好進化多目標算法做了簡單的總結,研究者們已研究的偏好方式包括參考點、參考方向、偏好區(qū)域、模糊偏好以及隨機偏好等等,本文詳細的總結了在偏好區(qū)域、模糊偏好和隨機偏好這三種偏好形式下,研究者們所作出的具體的研究成果.對每一種偏好方式,本文總結了各個研究者所提出的偏好處理方式,以及所采用的進化多目標算法,并且對其中的幾種偏好方式進行了優(yōu)缺點的分析,有利于后來學者的研究.對于現(xiàn)實生活中的一些多目標優(yōu)化問題,往往存在著多個決策者的偏好.本文在總結了已有偏好方式的前提下,提出了一種新的偏好方式,決策者對目標函數(shù)的權重偏好,該方法在Delphi法下由決策者對目標函數(shù)的重要性打分形成,能夠更好地體現(xiàn)出決策者的偏好,并且簡單易行.結合M2M算法,分區(qū)域的搜索策略保證了解的分布性,同時也在很大程度上減少了計算量.形成了一種求解多目標優(yōu)化問題的混合算法.數(shù)值實驗顯示,在不同偏好下,多目標優(yōu)化問題的結果也不一樣,這與實際情形相吻合.
【關鍵詞】：權重偏好 多目標 偏好方法 分區(qū)域
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O224
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-15
• 1.1 研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文研究內(nèi)容及創(chuàng)新點13-14
• 1.4 論文的章節(jié)結構劃分14-15
• 第二章 進化多目標算法15-21
• 2.1 多目標問題15-16
• 2.1.1 多目標優(yōu)化問題的相關定義15-16
• 2.1.2 Pareto解的相關概念16
• 2.2 進化多目標算法的研究及進展16-19
• 2.3 分區(qū)域的進化多目標算法19-21
• 第三章 多目標偏好方法研究現(xiàn)狀21-29
• 3.1 決策者偏好的概念21
• 3.2 偏好方法的發(fā)展21-23
• 3.3 帶有偏好區(qū)域的進化多目標算法23-24
• 3.4 多目標模糊性偏好方法24-27
• 3.5 多目標隨機性偏好方法27-28
• 3.6 本章小結28-29
• 第四章 帶有權重偏好的進化多目標算法29-38
• 4.1 引言29
• 4.2 分區(qū)域策略29-31
• 4.3 多決策者偏好權重的產(chǎn)生31-33
• 4.3.1 Delphi法簡介31
• 4.3.2 采用德爾菲法得到最后一輪的結果31-32
• 4.3.3 給出每個目標函數(shù)的打分區(qū)間以及每個區(qū)間的概率32
• 4.3.4 采用輪盤賭的方法得到目標的權重32-33
• 4.4 實驗結果33-37
• 4.4.1 測試問題33
• 4.4.2 測試方法分析33-37
• 4.4.3 測試結果分析37
• 4.5 本章小結37-38
• 結論38-39
• 參考文獻39-43
• 攻讀碩士學位期間發(fā)表的論文43-45
• 致謝45

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 謝桂芩;涂井先;;分區(qū)域多目標進化算法在協(xié)同車輛路徑問題中的應用[J];廣東工業(yè)大學學報;2011年04期

2 朱丙坤;徐立鴻;陳娟;;基于偏好的多目標遺傳算法[J];計算機工程與應用;2008年09期

3 余進;何正友;錢清泉;;基于偏好信息的多目標微粒群優(yōu)化算法研究[J];控制與決策;2009年01期

4 崔遜學,林闖;一種基于偏好的多目標調和遺傳算法(英文)[J];軟件學報;2005年05期

，

本文編號：631043