工業(yè)生產(chǎn)和科學(xué)研究領(lǐng)域,存在許多動態(tài)多目標(biāo)優(yōu)化問題,這類問題的目標(biāo)函數(shù)之間相互制約,同時目標(biāo)函數(shù),約束或者參數(shù)會隨著時間的變化而變化。這種隨時間不斷變化的特性,給解決動態(tài)多目標(biāo)優(yōu)化問題帶來了挑戰(zhàn),算法不僅要求能夠追蹤到最優(yōu)解,同時還要求算法能夠快速響應(yīng)環(huán)境中的變化。進(jìn)化算法是一類啟發(fā)式的搜索算法,能夠同時優(yōu)化多個個體,目前已經(jīng)被廣泛應(yīng)用到動態(tài)多目標(biāo)優(yōu)化問題的研究中。本文首先對進(jìn)化動態(tài)多目標(biāo)優(yōu)化算法的研究現(xiàn)狀進(jìn)行綜述,針對動態(tài)多目標(biāo)優(yōu)化的難點,提出了三種改進(jìn)動態(tài)多目標(biāo)優(yōu)化算法。具體內(nèi)容如下:1.提出了一種基于特殊點的混合預(yù)測機制（SHPS）。首先,針對PPS前期無法實現(xiàn)有效的變化應(yīng)答這一問題,提出在變化初期尚無有效歷史信息時采用PRE&VAR響應(yīng)環(huán)境變化。其次,由于PPS利用中心點和流形進(jìn)行來預(yù)測新時刻的初始種群,一旦歷史信息不夠準(zhǔn)確,預(yù)測到的種群會偏離可能的搜索區(qū)域,導(dǎo)致算法的穩(wěn)定性較差,對于這一問題,我們引入了特殊點的預(yù)測,有效避免整個初始種群都偏離新環(huán)境的可能搜索區(qū)域的情況。將提出的SHPS引入到基于分解的MOEA/D-DE算法上實現(xiàn)動態(tài)多目標(biāo)優(yōu)化問題的求解。通過實驗對比發(fā)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 多目標(biāo)優(yōu)化的研究現(xiàn)狀
        1.2.2 動態(tài)多目標(biāo)優(yōu)化的研究現(xiàn)狀
    1.3 本論文結(jié)構(gòu)安排
第二章 相關(guān)背景
    2.1 引言
    2.2 相關(guān)理論背景
        2.2.1 多目標(biāo)優(yōu)化問題
        2.2.2 動態(tài)多目標(biāo)優(yōu)化問題
    2.3 MOEA/D-DE介紹
        2.3.1 分解機制
        2.3.2 權(quán)向量設(shè)計
        2.3.3 權(quán)向量的鄰域
        2.3.4 MOEA/D-DE算法流程
    2.4 預(yù)測機制
        2.4.1 VAR預(yù)測機制
        2.4.2 PRE預(yù)測機制
        2.4.3 PRE&VAR預(yù)測機制
        2.4.4 PPS預(yù)測機制
    2.5 本章小結(jié)
第三章 基于特殊點的混合預(yù)測機制的動態(tài)多目標(biāo)優(yōu)化算法
    3.1 引言
    3.2 特殊點
        3.2.1 邊界點
        3.2.2 CTI
        3.2.3 拐點
    3.3 基于特殊點的混合預(yù)測機制
        3.3.1 變化檢測機制
        3.3.2 基于特殊點的混合預(yù)測機制
        3.3.3 算法流程
    3.4 實驗結(jié)果與分析
        3.4.1 測試函數(shù)
        3.4.2 性能指標(biāo)
        3.4.3 實驗參數(shù)設(shè)置
        3.4.4 與其他算法進(jìn)行比較
        3.4.5 不同預(yù)測機制的比較
    3.5 本章小結(jié)
第四章 基于多樣性引入的混合預(yù)測機制的動態(tài)多目標(biāo)優(yōu)化算法
    4.1 引言
    4.2 基于多樣性引入的混合預(yù)測機制
        4.2.1 改進(jìn)的MOEA/D
        4.2.2 改進(jìn)的變化檢測機制
        4.2.3 多樣性引入機制
        4.2.4 算法流程
    4.3 實驗結(jié)果與分析
        4.3.1 與其他算法進(jìn)行比較
        4.3.2 不同的預(yù)測機制的比較
    4.4 本章小結(jié)
第五章 基于記憶策略的混合預(yù)測機制的動態(tài)多目標(biāo)優(yōu)化算法
    5.1 引言
    5.2 基于記憶策略的混合預(yù)測機制
        5.2.1 記憶策略
        5.2.2 算法流程
    5.3 實驗結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 進(jìn)一步工作
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]進(jìn)化多目標(biāo)優(yōu)化算法研究[J]. 公茂果,焦李成,楊咚咚,馬文萍.  軟件學(xué)報. 2009(02)



本文編號：3037532