多目標(biāo)優(yōu)化問題在當(dāng)今社會生產(chǎn)生活中具有重要研究價值,進化算法則是處理該問題的高效算法之一。多目標(biāo)進化算法根據(jù)達爾文生物進化思想演化而來,在引入了多種機制后,目前正被各國學(xué)者廣泛研究且成果顯著,正處于高速發(fā)展階段。其中,基于Pareto支配的多目標(biāo)進化算法是近些年研究的熱點之一,算法整體性能較好。然而在基于Pareto支配的多目標(biāo)進化算法中,由于目標(biāo)數(shù)量的增加以及種群基數(shù)的增大,大量的解獲得了相同的優(yōu)先級,相同優(yōu)先級的解在環(huán)境選擇時難以區(qū)分,使算法的選擇難度增大,對算法的性能和效率造成了阻礙。同時,基于Pareto支配的多目標(biāo)進化算法常常使用排序選擇法進行環(huán)境選擇步驟,而該方法的思想有利于提高非劣解收斂速度,卻難以保護種群基因的多樣,無法平衡收斂與多樣性并進行提升。為了解決以上問題,本文做出以下幾點創(chuàng)新及工作:（1）改進排序法,提出一種綜合評分參數(shù)作為排序法的第二選擇標(biāo)準(zhǔn);（2）在基于Pareto支配的多目標(biāo)進化算法中使用改進后的排序法,在使用第二選擇標(biāo)準(zhǔn)的基礎(chǔ)上同時改進環(huán)境選擇策略,提出一種新的算法。對新算法進行大量橫、縱向?qū)Ρ葘嶒?驗證了該算法的優(yōu)秀性能;（3）基于偏好機制提出了一種... 

【文章來源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

遺傳算法流程圖

東北師范大學(xué)碩士學(xué)位論文7效地評估算法的性能成為一個重要的問題。目前已經(jīng)提出的多種性能評價指標(biāo)[52]大致可以分成三類：評價全局Pareto最優(yōu)前沿的收斂程度；評價解的基因多樣性性能；同時評價算法收斂性和多樣性在內(nèi)的綜合性能。圖2.2基于Pareto支配的進化算法流程圖（1）收斂性度量值γ：γ由Deb[53]提出，主要用來衡量已知Pareto最優(yōu)解集的收斂范圍。假設(shè)多目標(biāo)優(yōu)化問題的Pareto最優(yōu)解集已知，在問題的Pareto最優(yōu)前沿上均勻地抓取一部分解，計算由算法獲得的最優(yōu)解與這些已知解之間距離的最小值，所有最小值的平均值就是收斂性指標(biāo)γ。（2）多樣性度量值△：在文獻[54]中Deb提出了用多樣性度量值來衡量最優(yōu)前沿的解的分布和覆蓋，以此衡量算法計算的解集是否產(chǎn)生了足夠多樣的結(jié)果，其表達式如下：∑||1將算法獲得的非劣解按其在某一目標(biāo)函數(shù)上的大小有序的分布在目標(biāo)空間上，然后對已知的Pareto最優(yōu)解集上的每個解分別計算歐幾里得距離，為的平均值，

鬧匾?浴?為了說明兩者的不同以及綜合評分s的改進，在下列中假定各個加權(quán)值為1，暫且不計算加權(quán)的影響。綜合評分s與平均等級AR相比，AR將解X（x1,x2,…,xM）在分目標(biāo)上的值x1,x2,…,xM分別進行了降序排序，得到一個排序后的AR(X)=(Rx1,Rx2,…,RxM)，Rx1為x1在第一個分目標(biāo)上的排名。這種排名雖然將不同目標(biāo)的值進行了一次標(biāo)準(zhǔn)化，成為了排名而不再是值，但當(dāng)解X的值xi在某一分目標(biāo)上有異常突出的表現(xiàn)時，將其標(biāo)準(zhǔn)化為簡單的排名，這就導(dǎo)致解X的這個異常的特性被忽略了，從而使種群的收斂被延緩，增加了異常的多樣性。圖3.1雙目標(biāo)解分布圖如圖3.1所示，圖中各點的括號內(nèi)數(shù)值為其分目標(biāo)值，方括號內(nèi)數(shù)值為其依據(jù)AR的定義計算的排序后的排名。以A點為例，A在F1上的值為2，排名5，在F2上的值為10，排名1，根據(jù)公式（1）、（2），s（A）=（2+10）/2=6，AR（A）=（5+1）/2=3。同理，具有相同支配關(guān)系的解B、C、D，s（B）=4，AR（B）=3；s（C）=4，AR

【參考文獻】：
期刊論文
[1]基于模糊支配的高維多目標(biāo)進化算法MFEA[J]. 畢曉君,張永建,陳春雨.  電子學(xué)報. 2014(08)
[2]動態(tài)多目標(biāo)優(yōu)化的進化算法及其收斂性分析[J]. 劉淳安,王宇平.  電子學(xué)報. 2007(06)

碩士論文
[1]基于Pareto支配的高維多目標(biāo)進化算法研究[D]. 韓紅艷.大連理工大學(xué) 2016



本文編號：3028397