本文關(guān)鍵詞：基于分解排序的多目標(biāo)進(jìn)化算法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：由于基于種群的進(jìn)化算法在單次運(yùn)行中能近似出一個(gè)Pareto解集,因此多目標(biāo)進(jìn)化算法已成為一種較為普遍且有效的求解多目標(biāo)優(yōu)化問題的方法。本文將基于分解和排序的方法融入到多目標(biāo)進(jìn)化算法框架中以求解多目標(biāo)優(yōu)化問題。本文主要包括如下部分:第一,基于分解的多目標(biāo)進(jìn)化算法(如MOEA/D)將一個(gè)多目標(biāo)優(yōu)化問題分解成一組單目標(biāo)優(yōu)化子問題,然后并行地求解它們。為了在進(jìn)化過程中進(jìn)一步平衡算法的收斂性和多樣性,我們提出了一種新的解選擇方法:首先通過解在各個(gè)子問題上的收斂性對它們進(jìn)行整體排序,然后基于解之間的多樣性進(jìn)行二次選擇。我們將該方法嵌入到基于分解的算法框架中并將它和三個(gè)經(jīng)典多目標(biāo)進(jìn)化算法以及一個(gè)目前較好的多目標(biāo)算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明所提出的算法非常具有競爭力。第二,在MOEA/D及其變種算法中,每個(gè)子問題有且僅有一個(gè)解與之關(guān)聯(lián)。隱含的假設(shè)為每個(gè)子問題對應(yīng)一個(gè)不同的Pareto最優(yōu)解。這種假設(shè)對于一些特殊的多目標(biāo)優(yōu)化問題(如具有分段的不完整的Pareto前沿的問題)并不成立。為了進(jìn)一步拓展基于分解的多目標(biāo)進(jìn)化算法,在本文提出的算法(MOEA/D-SAS)中,不同的解可被關(guān)聯(lián)到相同的子問題,一些子問題甚至可以沒有解與之關(guān)聯(lián)。同時(shí),不同于其它算法,本文使用了基于分解的排序(DBS)和基于角度的選擇(ABS)來平衡算法的收斂性和多樣性。為了減少算法的計(jì)算復(fù)雜度,DBS僅對子問題的局部鄰居解進(jìn)行排序;ABS利用解在目標(biāo)空間域的角度信息來維持一個(gè)更加細(xì)化(fine-grained)的多樣性。實(shí)驗(yàn)表明MOEA/D-SAS能夠同時(shí)保持良好的收斂性和多樣性,特別是對于特殊的多目標(biāo)優(yōu)化問題(如具有不連續(xù)且不完整的Pareto前沿)更為有效。此外,我們對DBS的計(jì)算效率和ABS的作用也進(jìn)行了詳細(xì)分析和討論。
【關(guān)鍵詞】：多目標(biāo)優(yōu)化 進(jìn)化計(jì)算 多樣性 基于角度選擇 鄰居 基于分解排序
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-14
• 第一章 緒論14-19
• 1.1 研究背景14-15
• 1.2 研究進(jìn)展15-17
• 1.2.1 第一代多目標(biāo)進(jìn)化算法15
• 1.2.2 第二代多目標(biāo)進(jìn)化算法15-16
• 1.2.3 當(dāng)前進(jìn)化算法研究熱點(diǎn)16-17
• 1.3 本文主要研究內(nèi)容17
• 1.4 本文各章節(jié)組織安排17-19
• 第二章 多目標(biāo)進(jìn)化算法簡述19-33
• 2.1 多目標(biāo)優(yōu)化相關(guān)概念19-20
• 2.1.1 多目標(biāo)及高維多目標(biāo)優(yōu)化問題19
• 2.1.2 解的相關(guān)概念19-20
• 2.2 多目標(biāo)進(jìn)化算法分類20-26
• 2.2.1 基于Pareto支配關(guān)系的多目標(biāo)進(jìn)化算法20-23
• 2.2.1.1 精英策略21
• 2.2.1.2 算法描述21-23
• 2.2.2 基于性能指標(biāo)的多目標(biāo)進(jìn)化算法23
• 2.2.3 基于分解的多目標(biāo)進(jìn)化算法23-26
• 2.2.3.1 分解方法24-26
• 2.2.3.2 算法描述26
• 2.2.4 高維多目標(biāo)進(jìn)化算法26
• 2.3 性能度量指標(biāo)與測試問題26-33
• 2.3.1 性能度量指標(biāo)26-27
• 2.3.2 測試問題27-33
• 2.3.2.1 UF測試問題集27-30
• 2.3.2.2 DTLZ測試問題集30-33
• 第三章 基于排序選擇的多目標(biāo)進(jìn)化算法33-46
• 3.1 引言33-34
• 3.2 動機(jī)34-35
• 3.3 算法設(shè)計(jì)35-39
• 3.3.1 總體框架35-37
• 3.3.2 解選擇方法37-39
• 3.3.3 SBS的計(jì)算復(fù)雜度39
• 3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析39-45
• 3.4.1 實(shí)驗(yàn)設(shè)計(jì)39-40
• 3.4.2 與一些經(jīng)典算法的比較40-43
• 3.4.3 多樣性保持43-45
• 3.4.4 與MOEA/D-STM的比較45
• 3.5 小結(jié)45-46
• 第四章 基于分解排序和角度選擇的多目標(biāo)進(jìn)化算法46-70
• 4.1 引言46-47
• 4.2 動機(jī)47-48
• 4.3 解選擇方法48-56
• 4.3.1 排序和選擇48-49
• 4.3.2 基于分解的排序49-51
• 4.3.3 基于角度的選擇51-52
• 4.3.4 關(guān)于ABS的討論52-54
• 4.3.5 關(guān)于SAS的一個(gè)例子54-55
• 4.3.6 SAS的計(jì)算復(fù)雜度55-56
• 4.4 算法設(shè)計(jì)56-57
• 4.5 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析57-68
• 4.5.1 實(shí)驗(yàn)設(shè)計(jì)57-58
• 4.5.2 與一些經(jīng)典算法的比較58-62
• 4.5.3 與MOEA/D-STM的比較62-64
• 4.5.4 基于分解排序的效率64-65
• 4.5.5 基于角度選擇的影響65
• 4.5.6 MOEA/D-SAS高維多目標(biāo)優(yōu)化問題上的表現(xiàn)65-68
• 4.6 MOEA/D-SBS與MOEA/D-SAS的比較68-69
• 4.7 小結(jié)69-70
• 第五章 研究工作總結(jié)與展望70-72
• 5.1 研究總結(jié)70
• 5.2 研究展望70-72
• 參考文獻(xiàn)72-77
• 致謝77-78
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文78

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 關(guān)志華;多目標(biāo)進(jìn)化算法研究初步[J];石家莊經(jīng)濟(jì)學(xué)院學(xué)報(bào);2002年02期

2 張勇德,黃莎白;一種改進(jìn)的基于約束支配的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)工程;2004年16期

3 雷德明,吳智銘;基于個(gè)體密集距離的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)學(xué)報(bào);2005年08期

4 薛娟;鄭金華;李旭勇;;一種基于聚集距離的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年36期

5 馬清亮;胡昌華;;多目標(biāo)進(jìn)化算法及其在控制領(lǐng)域中的應(yīng)用綜述[J];控制與決策;2006年05期

6 唐歡容;蔣浩;鄭金華;;量子多目標(biāo)進(jìn)化算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年13期

7 林丹;丑英哲;李敏強(qiáng);;求解多目標(biāo)二層規(guī)劃的多目標(biāo)進(jìn)化算法[J];系統(tǒng)工程學(xué)報(bào);2007年02期

8 鄭向偉;劉弘;;多目標(biāo)進(jìn)化算法研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2007年07期

9 李密青;鄭金華;羅彪;伍軍;文詩華;;一種基于鄰域的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)應(yīng)用;2008年06期

10 汪文彬;鐘聲;;基于改進(jìn)擁擠距離的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)工程;2009年09期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 孫海濤;熊鷹;韓峰;;基于多目標(biāo)進(jìn)化算法的艦船概念設(shè)計(jì)方法研究[A];第四屆全國船舶與海洋工程學(xué)術(shù)會議論文集[C];2009年

2 崔遜學(xué);;多目標(biāo)進(jìn)化算法的研究現(xiàn)狀與群體多樣性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 豐志偉;多目標(biāo)進(jìn)化算法研究及在飛行器動力學(xué)系統(tǒng)中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2014年

2 代才;基于分解的多目標(biāo)進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

3 申瑞珉;高維多目標(biāo)進(jìn)化算法及其軟件平臺研究[D];湘潭大學(xué);2015年

4 袁源;基于分解的多目標(biāo)進(jìn)化算法及其應(yīng)用[D];清華大學(xué);2015年

5 孟紅云;多目標(biāo)進(jìn)化算法及其應(yīng)用研究[D];西安電子科技大學(xué);2005年

6 黃林峰;多目標(biāo)進(jìn)化算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

7 郭秀萍;多目標(biāo)進(jìn)化算法及其在制造系統(tǒng)中的應(yīng)用研究[D];上海交通大學(xué);2007年

8 譚艷艷;幾種改進(jìn)的分解類多目標(biāo)進(jìn)化算法及其應(yīng)用[D];西安電子科技大學(xué);2013年

9 張明明;面向量子可逆邏輯自動綜合的多目標(biāo)進(jìn)化算法研究[D];東華大學(xué);2010年

10 劉立衡;多目標(biāo)進(jìn)化算法的研究及其在負(fù)荷分配中的應(yīng)用[D];華北電力大學(xué)（北京）;2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳坤安;基于分散策略的多目標(biāo)進(jìn)化算法研究[D];福建師范大學(xué);2015年

2 馬晨琳;基于分解的交互式偏好多目標(biāo)優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

3 喻果;基于分解的偏好多目標(biāo)進(jìn)化算法及其評價(jià)指標(biāo)的研究[D];湘潭大學(xué);2015年

4 李業(yè)興;基于外部集指引的自適應(yīng)多目標(biāo)進(jìn)化算法的研究[D];南京航空航天大學(xué);2015年

5 季洪霄;動態(tài)約束多目標(biāo)進(jìn)化算法的研究與應(yīng)用[D];安徽理工大學(xué);2016年

6 李達(dá)統(tǒng);基于MapReduce與Spark的分布式多目標(biāo)進(jìn)化算法的設(shè)計(jì)與實(shí)現(xiàn)[D];華南理工大學(xué);2016年

7 齊吉;基于聚類的多目標(biāo)進(jìn)化算法及其在航跡規(guī)劃中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

8 李輝健;多目標(biāo)進(jìn)化算法中新型非支配個(gè)體排序研究及應(yīng)用[D];南京信息工程大學(xué);2016年

9 楊志翔;基于分解排序的多目標(biāo)進(jìn)化算法的研究[D];南京航空航天大學(xué);2016年

10 朱錚;面向指標(biāo)和邊界選擇的高維多目標(biāo)進(jìn)化算法的研究[D];湘潭大學(xué);2016年

  本文關(guān)鍵詞：基于分解排序的多目標(biāo)進(jìn)化算法的研究，由筆耕文化傳播整理發(fā)布。

本文編號：260138