【摘要】：現(xiàn)實生活中,許多優(yōu)化問題存在多個相互沖突的目標,而且這些目標或約束會隨著時間而動態(tài)發(fā)生改變。為解決一類具有環(huán)境變化參數(shù)的動態(tài)多目標優(yōu)化問題,研究人員常采用跟蹤環(huán)境變化的優(yōu)化方法。即在探測到環(huán)境發(fā)生動態(tài)變化時,觸發(fā)新一輪多目標進化優(yōu)化過程,利用之前的環(huán)境時變歷史信息預測全部或部分初始種群,采用具有更好多樣性的進化策略來增加種群多樣性,確保在有限時間內(nèi)找到逼近當前真實Pareto前沿的最優(yōu)解。這種重新觸發(fā)進化機制,往往在具有復雜的目標函數(shù)評價,或者環(huán)境變化較快的一類動態(tài)多目標優(yōu)化問題中,不能找到令人滿意的Pareto解。針對該問題,研究人員給出了基于時間的魯棒解定義,旨在找到一組Pareto魯棒解,使其以一定適應度滿意閾值,可以用于多個連續(xù)動態(tài)變化環(huán)境中。但是,已有的Pareto魯棒解定義,是針對每個個體計算其魯棒性能,沒有從Pareto前沿面來整體考慮Pareto解集的魯棒性。當相鄰動態(tài)環(huán)境下的Pareto前沿存在交叉、凹凸變化,或者分布均勻性發(fā)生變化時,已有魯棒性定義會出現(xiàn)評價偏差。為此,本文提出了一種新型的魯棒性定義,并在此基礎上,給出了相應的魯棒動態(tài)多目標進化優(yōu)化算法。首先,為了準確的衡量所求出Pareto解的魯棒性能,借鑒已有的集合評價思想,將整個Pareto前沿作為一個整體進行考慮,采用Pareto前沿的超體積來描述其解的魯棒性能�；谏鲜龀w積魯棒性定義,采用傳統(tǒng)MOEA/D算法,構建了基于超體積的魯棒動態(tài)多目標進化優(yōu)化算法。通過9個標準測試函數(shù)的仿真實驗,表明該算法能夠找到滿足未來多個連續(xù)動態(tài)環(huán)境下的Pareto魯棒解,而且該算法能夠在滿足收斂性,分布性的前提下得到魯棒性較優(yōu)的Pareto解。其次,基于超體積的新型魯棒性定義,并不能直觀反映每個個體的進化對Pareto解整體性能的影響。為了將魯棒性能帶入到種群進化過程中,本章給出個體貢獻度的概念,用于分析每個個體對Pareto解魯棒性能的影響。進而,構建了基于固定時間窗的平均超體積值和生存時間兩個轉化模型。依靠這兩個模型對Pareto解集的魯棒性能進行刻畫。另外,還給出了三種預測方法,用于估計未來動態(tài)時刻下Pareto解的目標值。8個測試函數(shù)的實驗結果表明,所提算法可以得到魯棒性能更好的解,并且證明了AR預測方法與RPOOT算法結合的效果更好。再次,基于個體貢獻度的魯棒性評價方法,雖然可以成功的利用魯棒性能引導個體進化,但是也存在計算代價大的缺陷。于是,將多種群分割的方法引入到上述問題求解中。將種群按照目標空間位置分割為多個子種群。采用基于超體積方式來度量每個子種群的魯棒性,進而將子種群的魯棒性能評價,轉化為約束優(yōu)化模型。8個測試函數(shù)的實驗結果進一步證明了基于多種群的魯棒動態(tài)多目標進化優(yōu)化方法,不僅可以得到魯棒性能優(yōu)秀的結果,還能夠進一步的降低計算代價。上述的研究成果不僅豐富了動態(tài)多目標魯棒優(yōu)化算法理論,同時也求解動態(tài)多目標優(yōu)化問題提供了新的研究思路。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18

【參考文獻】

相關期刊論文 前10條

1 陳美蓉;郭一楠;鞏敦衛(wèi);楊振;;一類新型動態(tài)多目標魯棒進化優(yōu)化方法[J];自動化學報;2017年11期

2 Ying Zhang;Rennong Yang;Jialiang Zuo;Xiaoning Jing;;Enhancing MOEA/D with uniform population initialization,weight vector design and adjustment using uniform design[J];Journal of Systems Engineering and Electronics;2015年05期

3 鄭金華;彭舟;鄒娟;申瑞珉;;基于引導個體的預測策略求解動態(tài)多目標優(yōu)化問題[J];電子學報;2015年09期

4 王凌;沈婧楠;王圣堯;鄧瑾;;協(xié)同進化算法研究進展[J];控制與決策;2015年02期

5 劉若辰;馬亞娟;張浪;尚榮華;;基于預測策略的動態(tài)多目標免疫優(yōu)化算法[J];計算機學報;2015年08期

6 劉敏;曾文華;;記憶增強的動態(tài)多目標分解進化算法[J];軟件學報;2013年07期

7 武燕;劉小雄;池程芝;;動態(tài)多目標優(yōu)化的預測遺傳算法[J];控制與決策;2013年05期

8 周攀;張冬梅;龔文引;李陽;劉凱偉;;基于正交設計的自適應ε占優(yōu)MOEA/D算法研究[J];計算機應用與軟件;2013年02期

9 耿煥同;朱海峰;張茜;吳婷婷;;均衡分布性與收斂性的協(xié)同進化多目標優(yōu)化算法[J];控制與決策;2013年01期

10 楊亞強;劉淳安;;一類帶約束動態(tài)多目標優(yōu)化問題的進化算法[J];計算機工程與應用;2012年21期

相關碩士學位論文 前3條

1 陳洋洋;基于協(xié)同進化的動態(tài)多目標優(yōu)化算法[D];西安電子科技大學;2014年

2 張浪;進化動態(tài)多目標優(yōu)化算法及其應用[D];西安電子科技大學;2014年

3 陳超;基于預測模型的動態(tài)多目標優(yōu)化算法研究[D];湖南大學;2012年

，

本文編號：2553804