在日常生活中,多個(gè)目標(biāo)同時(shí)求優(yōu)的問(wèn)題非常普遍,稱這類問(wèn)題為多目標(biāo)優(yōu)化問(wèn)題。進(jìn)化算法因擁有較好的收斂性與多樣性而被廣泛應(yīng)用到多目標(biāo)優(yōu)化問(wèn)題中,目前,對(duì)于2到3個(gè)目標(biāo)優(yōu)化問(wèn)題的研究占大多數(shù),然而實(shí)際問(wèn)題中所涉及的目標(biāo)數(shù)目往往超過(guò)3個(gè)�；赑areto支配的進(jìn)化算法是解決該類問(wèn)題最常用的方法之一,然而它在處理該類問(wèn)題時(shí),存在Pareto支配失效、分層耗時(shí)及難以維持收斂性與多樣性的平衡等問(wèn)題。對(duì)于這些問(wèn)題的研究,一些研究人員開(kāi)發(fā)出了一種基于參考點(diǎn)的方法,在優(yōu)化過(guò)程中預(yù)先產(chǎn)生一組參考向量,使得種群保持良好的多樣性。但是,不同測(cè)試問(wèn)題的Pareto前沿在搜索過(guò)程中會(huì)使MOEAs的性能受到嚴(yán)重的影響。因此,本文在基于參考點(diǎn)的進(jìn)化方法的基礎(chǔ)上對(duì)上述問(wèn)題進(jìn)行研究,主要研究?jī)?nèi)容概括如下:首先,為了解決Pareto支配收斂速度慢、PBI聚合在不連續(xù)的Pareto前沿上分布性差及運(yùn)行效率低的問(wèn)題,基于兩階段參考點(diǎn)三層選擇,提出了一種多目標(biāo)優(yōu)化算法。該算法首先提出兩階段參考點(diǎn)策略,算法前期設(shè)置較少的參考點(diǎn),使種群快速收斂,提高運(yùn)行效率;算法后期設(shè)置較多的參考點(diǎn),改善種群的多樣性。其次提出三層選擇策略,第一層為了... 

【文章來(lái)源】：蘭州理工大學(xué)甘肅省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基林曲線

碩士學(xué)位論文17Pt父代N個(gè)Qt父代N個(gè)交叉變異q個(gè)U個(gè)1:L-1層ENS排序L層合并種群p個(gè)k個(gè)PBI排序1:w-1層w層N-(p+q)個(gè)z層q個(gè)p個(gè)N-(p+q)個(gè)小生境選擇Pt+1刪除刪除刪除圖3.1TT-MOEA總體框架示意圖3.2.2聚類操作圖3.2PBI-1聚類方法圖3.3PBI-2聚類方法圖3.4拐點(diǎn)示意圖圖中綠點(diǎn)為參考點(diǎn)，iλ與jλ為參考線，iC與jC為聚類區(qū)域，L為超平面。傳統(tǒng)的PBI聚類[54]描述為個(gè)體到參考線的垂直距離2d，與其垂足到理想點(diǎn)之

碩士學(xué)位論文17Pt父代N個(gè)Qt父代N個(gè)交叉變異q個(gè)U個(gè)1:L-1層ENS排序L層合并種群p個(gè)k個(gè)PBI排序1:w-1層w層N-(p+q)個(gè)z層q個(gè)p個(gè)N-(p+q)個(gè)小生境選擇Pt+1刪除刪除刪除圖3.1TT-MOEA總體框架示意圖3.2.2聚類操作圖3.2PBI-1聚類方法圖3.3PBI-2聚類方法圖3.4拐點(diǎn)示意圖圖中綠點(diǎn)為參考點(diǎn)，iλ與jλ為參考線，iC與jC為聚類區(qū)域，L為超平面。傳統(tǒng)的PBI聚類[54]描述為個(gè)體到參考線的垂直距離2d，與其垂足到理想點(diǎn)之

【參考文獻(xiàn)】：
期刊論文
[1]基于正態(tài)分布和自適應(yīng)變異算子的ε截?cái)嗨惴╗J]. 李進(jìn),李二超.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2019(02)
[2]進(jìn)化高維多目標(biāo)優(yōu)化研究進(jìn)展[J]. 孫靖,鞏敦衛(wèi).  控制理論與應(yīng)用. 2018(07)
[3]進(jìn)化高維多目標(biāo)優(yōu)化算法研究綜述[J]. 劉建昌,李飛,王洪海,李田軍.  控制與決策. 2018(05)
[4]多目標(biāo)進(jìn)化算法在通信網(wǎng)絡(luò)中的應(yīng)用研究[J]. 黃偉.  湖北農(nóng)機(jī)化. 2017(06)
[5]帶有時(shí)間窗的電商物流終端配送研究[J]. 袁雨果,高華峰.  湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(04)
[6]利用沖突信息降維的進(jìn)化高維目標(biāo)優(yōu)化算法[J]. 羅乃麗,李霞,王娜.  信號(hào)處理. 2017(09)
[7]基于高維多目標(biāo)優(yōu)化的多車場(chǎng)車輛路徑問(wèn)題[J]. 畢志升,鄭炯彬,蔡桂艷.  計(jì)算機(jī)與數(shù)字工程. 2017(07)
[8]基于參考點(diǎn)的高維多目標(biāo)粒子群算法[J]. 韓敏,何泳,鄭丹晨.  控制與決策. 2017(04)
[9]一種基于解空間分割的并行遺傳算法[J]. 馮勇,郭軍,徐紅艷,付瀟瑩.  計(jì)算機(jī)與數(shù)字工程. 2017(02)
[10]基于SPEA2和NSGA-Ⅱ算法的并行多目標(biāo)優(yōu)化算法[J]. 劉福英,王曉升.  信息通信. 2016(11)

博士論文
[1]基于參考點(diǎn)的高維多目標(biāo)演化算法研究及其在衛(wèi)星星座設(shè)計(jì)中的應(yīng)用[D]. 周沖.中國(guó)地質(zhì)大學(xué) 2018

碩士論文
[1]基于參考點(diǎn)的高維多目標(biāo)進(jìn)化算法的研究[D]. 劉凱松.中原工學(xué)院 2018
[2]基于加法ε+指標(biāo)的多目標(biāo)優(yōu)化方法研究[D]. 楊蕓.深圳大學(xué) 2017
[3]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]. 朱錚.湘潭大學(xué) 2016
[4]基于Pareto支配的高維多目標(biāo)進(jìn)化算法研究[D]. 韓紅艷.大連理工大學(xué) 2016
[5]基于分解排序的多目標(biāo)進(jìn)化算法的研究[D]. 楊志翔.南京航空航天大學(xué) 2016



本文編號(hào)：2940633