本文關(guān)鍵詞：改進(jìn)遺傳算法在多目標(biāo)問題上的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：遺傳算法通過模擬生物自適應(yīng)選擇過程和自適應(yīng)進(jìn)化過程,通過不斷迭代逼近最優(yōu)解,可以將其用于求解高度復(fù)雜的非線性最優(yōu)值問題。在對復(fù)雜的單目標(biāo)問題進(jìn)行求解時(shí),遺傳算法表現(xiàn)出了良好的優(yōu)化性能。然而,現(xiàn)實(shí)中的優(yōu)化問題總是具有多個(gè)目標(biāo)的。這些被優(yōu)化的目標(biāo)之間并不能同時(shí)達(dá)到最優(yōu),而是相互沖突,相互抑制。為了達(dá)到各個(gè)目標(biāo)的均衡最優(yōu)化,通常需要增大某一目標(biāo)的值以降低其他目標(biāo)的值。多目標(biāo)遺傳算法在優(yōu)化多目標(biāo)問題時(shí)具有良好的效果,這些典型的多目標(biāo)遺傳算法包括向量評估遺傳算法,小生境pareto遺傳算法,非劣分類遺傳算法和pareto存檔進(jìn)化策略等。本文在簡單遺傳算法的理論基礎(chǔ)上,設(shè)計(jì)了兩類改進(jìn)的遺傳算法用于多目標(biāo)問題求解,主要工作及研究成果如下:(1)設(shè)計(jì)了一種引入外部非劣檔案的多目標(biāo)遺傳算法。簡單多目標(biāo)遺傳算法在優(yōu)化多目標(biāo)問題時(shí),優(yōu)化過程會(huì)陷入局部最優(yōu),不能求出全局范圍內(nèi)的其他最優(yōu)解。本算法先通過權(quán)值分配,求出多目標(biāo)優(yōu)化問題凸部分的全局最優(yōu)解,將這些全局最優(yōu)解作為初始種群的一部分,隨其他隨機(jī)個(gè)體一同進(jìn)行遺傳過程的選擇、交叉、變異。在不斷的迭代過程中,優(yōu)秀的隨機(jī)個(gè)體會(huì)搜索到非凸部分的最優(yōu)個(gè)體,最優(yōu)非劣個(gè)體會(huì)淘汰體質(zhì)較弱的隨機(jī)個(gè)體。針對函數(shù)ZDT1,ZDT2,ZDT3,ZDT4,ZDT6進(jìn)行測試,實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法,相較于NMOGA[1]算法,在解集的覆蓋度和均勻度上更有優(yōu)勢。(2)設(shè)計(jì)了一種基于信息熵的多目標(biāo)遺傳算法。該算法在傳統(tǒng)的NSGA-2算法的基礎(chǔ)上加以改進(jìn),在遺傳操作開始時(shí)以某一目標(biāo)為基準(zhǔn),求出種群在該目標(biāo)上的聚類個(gè)數(shù),利用聚類個(gè)數(shù)的值進(jìn)而求出種群的信息熵。將信息熵作為改變交叉概率和變異概率的因子,使交叉概率和變異概率調(diào)控種群的尋優(yōu)與種群的收斂。針對函數(shù)ZDT1,ZDT2,ZDT3,ZDT4,ZDT6進(jìn)行測試,并以一生產(chǎn)調(diào)度問題作為測試實(shí)例,實(shí)驗(yàn)結(jié)果表明,本文基于信息熵的NSGA2-EN算法比傳統(tǒng)的NSGA-2算法求得的種群更加的豐富。
【關(guān)鍵詞】：多目標(biāo)優(yōu)化 遺傳算法 信息熵 均勻度
【學(xué)位授予單位】：重慶師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 中文摘要5-6
• 英文摘要6-11
• 1 緒論11-17
• 1.1 研究背景以及意義11-13
• 1.2 國內(nèi)外現(xiàn)狀13-15
• 1.3 本文的主要工作15-16
• 1.4 論文章節(jié)安排16-17
• 2 多目標(biāo)遺傳算法的基礎(chǔ)理論17-27
• 2.1 多目標(biāo)問題17-18
• 2.1.1 多目標(biāo)問題的一般描述17
• 2.1.2 pareto最優(yōu)解的相關(guān)概念17-18
• 2.2 多目標(biāo)算法的性能評價(jià)指標(biāo)18-20
• 2.2.1 覆蓋度比較18
• 2.2.2 收斂性比較18-19
• 2.2.3 多樣性比較19-20
• 2.3 多目標(biāo)測試函數(shù)20-21
• 2.4 有關(guān)多目標(biāo)優(yōu)化的生產(chǎn)調(diào)度問題21-22
• 2.5 遺傳算法22-25
• 2.5.1 編碼策略22
• 2.5.2 選擇22-23
• 2.5.3 交叉23-24
• 2.5.4 變異24-25
• 2.6 遺傳算法的基本流程圖25
• 2.7 遺傳算法的特點(diǎn)25-26
• 2.8 本章小結(jié)26-27
• ３引入外部非劣解集的多目標(biāo)遺傳算法27-41
• 3.1 傳統(tǒng)多目標(biāo)優(yōu)化方法27-30
• 3.1.1 目標(biāo)函數(shù)的規(guī)范化27
• 3.1.2 加權(quán)求和法27-29
• 3.1.3 ε約束法29
• 3.1.4 等式約束法29-30
• 3.1.5 極大極小目標(biāo)值法30
• 3.2 多目標(biāo)遺傳算法30-32
• 3.2.1 基于向量評估的多目標(biāo)遺傳算法31
• 3.2.2 小生境pareto遺傳算法NPGA31
• 3.2.3 pareto存檔進(jìn)化策略31-32
• 3.3 基于非劣方向的多目標(biāo)遺傳算法32-34
• 3.3.1 單目標(biāo)問題的下降方向33
• 3.3.2 多目標(biāo)問題的非劣方向33
• 3.3.3 基于非劣方向的雜交算子33-34
• 3.3.4 NMOGA算法的變異算子34
• 3.3.5 NMOGA算法的步驟34
• 3.4 引入外部非劣檔案的多目標(biāo)遺傳算法34-36
• 3.4.1 PAGA交叉算子34-35
• 3.4.2 PAGA變異算子35
• 3.4.3 PAGA算法流程35-36
• 3.5 實(shí)驗(yàn)與仿真36-40
• 3.6 本章小結(jié)40-41
• ４基于信息熵的多目標(biāo)遺傳算法41-57
• 4.1 非劣排序遺傳算法NSGA41-44
• 4.1.1 非劣排序41-42
• 4.1.2 共享小生境技術(shù)42
• 4.1.3 NSGA算法的流程42-43
• 4.1.4 NSGA算法的特點(diǎn)43-44
• 4.2 NSGA-2 算法44-47
• 4.2.1 快速非劣排序44
• 4.2.2 精英保存策略44-45
• 4.2.3 擁擠距離與距離比較算子45-46
• 4.2.4 NSGA-2 算法的流程46-47
• 4.3 引入差分局部搜索過程改進(jìn)NSGA-2 算法47-48
• 4.3.1 確定距離閾值的方法47
• 4.3.2 選擇相鄰的個(gè)體47
• 4.3.3 差分局部搜索47-48
• 4.4 基于信息熵的改進(jìn)型NSGA-2 算法48-50
• 4.4.1 種群個(gè)體的聚類48
• 4.4.2 種群的信息熵48
• 4.4.3 自適應(yīng)遺傳算子48-50
• 4.4.4 基于信息熵的改進(jìn)NSGA-2 算法的步驟50
• 4.5 實(shí)驗(yàn)與仿真50-54
• 4.6 對生產(chǎn)調(diào)度問題的求解54-56
• 4.7 本章小結(jié)56-57
• ５結(jié)論與展望57-60
• 5.1 本文的研究成果57-58
• 5.2 對未來工作的展望58-60
• 參考文獻(xiàn)60-64
• 附錄A64-65
• 致謝65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳瑞鏞,徐大紋;具有年齡結(jié)構(gòu)的遺傳算法[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);2001年04期

2 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計(jì)[J];液壓氣動(dòng)與密封;2001年02期

3 楊宜康,李雪,彭勤科,黃永宣;具有年齡結(jié)構(gòu)的遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2002年11期

4 谷峰,吳勇,唐俊;遺傳算法的改進(jìn)[J];微機(jī)發(fā)展;2003年06期

5 ;遺傳算法[J];計(jì)算機(jī)教育;2004年10期

6 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

7 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報(bào);2005年04期

8 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術(shù)與信息化;2005年05期

9 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學(xué)院學(xué)報(bào);2005年04期

10 李冰潔;;遺傳算法及其應(yīng)用實(shí)例[J];吉林工程技術(shù)師范學(xué)院學(xué)報(bào);2005年12期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1996年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

  本文關(guān)鍵詞：改進(jìn)遺傳算法在多目標(biāo)問題上的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號：258042