多目標(biāo)優(yōu)化問(wèn)題始終是生產(chǎn)生活中不可避免的問(wèn)題,對(duì)于求解此類問(wèn)題的算法的研究和優(yōu)化,始終是智能計(jì)算領(lǐng)域的重要課題。目前,分解策略型多目標(biāo)進(jìn)化算法（MOEA/D）由于其在解決工程優(yōu)化問(wèn)題上表現(xiàn)出的易擴(kuò)展、收斂快、復(fù)雜度低等特性,逐漸成為了當(dāng)前進(jìn)化計(jì)算領(lǐng)域的研究熱點(diǎn)。但是,在實(shí)際求解過(guò)程中,特別在處理復(fù)雜、高維問(wèn)題時(shí),MOEA/D使用固定規(guī)模的鄰域,且精英解選擇過(guò)程功能單一、缺乏全局性,這些操作都缺乏動(dòng)態(tài)調(diào)整的能力,無(wú)疑會(huì)在一定程度上破壞算法在收斂性和分布性上的平衡,限制種群的進(jìn)化。為了使算法能夠更好地服務(wù)于復(fù)雜的工程應(yīng)用領(lǐng)域,MOEA/D的自適應(yīng)機(jī)制研究也逐漸成為了亟待突破的問(wèn)題�；诖�,本文為了提高分解策略型多目標(biāo)進(jìn)化算法的自適應(yīng)性能,通過(guò)探究種群進(jìn)化規(guī)律,展開(kāi)了對(duì)于MOEA/D的鄰域設(shè)置方法和選擇策略的自適應(yīng)機(jī)制的研究,并將自適應(yīng)MOEA/D用于復(fù)雜、高維問(wèn)題的求解當(dāng)中,具體工作及創(chuàng)新點(diǎn)如下:1.設(shè)計(jì)了一種新的自適應(yīng)鄰域策略。在對(duì)MOEA/D進(jìn)化規(guī)律進(jìn)行深入探究的基礎(chǔ)上,通過(guò)挖掘個(gè)體鄰域更新的信息,總結(jié)出一種能夠較好反應(yīng)種群進(jìn)化階段和進(jìn)化狀態(tài)的基于更新能力的進(jìn)化潛力判斷機(jī)制。然后,綜合... 

【文章來(lái)源】：南京信息工程大學(xué)江蘇省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．１算法不同階段種群分布情況??

?第三章ＭＯＥＡ／Ｄ自適應(yīng)鄰域策略研宄???明顯的不確定性變化，但是縱觀整個(gè)進(jìn)化過(guò)程，其ＩＧＤ值則是處在下降的趨勢(shì)的。而在??進(jìn)化后期，３６０－５００代之間，此時(shí)Ｌ值保持在較小的范圍內(nèi)，而其ＩＧＤ值則也相應(yīng)的處??在相對(duì)穩(wěn)定的區(qū)間。以上所述的Ｌ和ＩＧＤ值之間的關(guān)系，在圖３．４?（ａ）中也有很明顯的??體現(xiàn)，這就說(shuō)明了?Ｌ值和種群ＩＧＤ性能指標(biāo)值具有一定的相關(guān)性，種群中進(jìn)化潛力大??的鄰域數(shù)Ｌ能夠較好的表達(dá)種群的整體性能。???＾＇１

（ａ）?＜＊＞＞??圖３．３?ＭＯＥＡ／Ｄ求解ＷＦＧ１時(shí)種群進(jìn)化潛力和指標(biāo)性能對(duì)比示意圖??￣＾￣￣￣＾￣￣￣Ｔ＝ｃｎ?ｌｉ＇￣￣￣￣＇＂＂＂ｉ?二?“Ｉ??０．９?－?０．９?１?Ｌ－——Ｊ?－??＼??０．Ｂ?０．８?ｆｌ??。，?－－??０．６?０．６?＾??????????０．Ｓ?Ｉ?－?０．５??Ｉ?１??０．２?■?｜｜?０－２?Ｕ??〇．?－ｊｉ?？?私?“?Ｉｎ?ｉＵｕｈ?“屋?ｉｉ?ｍ?■?〇，ｙｊｊｆｆｉｉｌｌｍ／ｙＪｌｊｉｉｉＬｉＬｉｕｍｌｕ?ｉｌａｉｕ?ｉ?ｕ贏ｎ?ｍ胤．??０?５０?１００?ＩＳＯ?２００?２Ｓ０?３００?３５０?４００?４５０?５００?０?５０?１００?１５０?２００?２５０?３００?３５０?４００?４５６?６Ｇ０??＜？＞?（ｂ）??圖３．４?ＭＯＥＡ／Ｄ求解ＷＦＧ２時(shí)種群更新能力和指標(biāo)性能示意圖??而在圖３．３?（ｂ），?Ｌ的變化對(duì)于Ｓｐｒｅａｄ值的影響更加明顯，Ｓｐｒｅａｄ值的每一個(gè)峰值??和谷值幾乎都會(huì)對(duì)應(yīng)于Ｌ的一個(gè)峰值，而且若Ｌ的峰值較大時(shí)，Ｓｐｒｅａｄ的值的變化幅度??則會(huì)非常的劇烈，如圖中５０、６０、１６０、２１０代，而在Ｌ值較小時(shí)，其Ｓｐｒｅａｄ值則相對(duì)??平穩(wěn)，如圖中１４０－１６０、２２０－２４０、３５０－５００代時(shí)。綜合圖３．４?（ｂ），說(shuō)明了?Ｌ值和種群??Ｓｐｒｅａｄ性能指標(biāo)值具有一定的相關(guān)性，Ｌ能夠表達(dá)種群的分布性，但是與ＩＧＤ值不同，??較大的Ｌ值會(huì)有更大的概率導(dǎo)致Ｓｐｒｅａｄ值的變差

【參考文獻(xiàn)】：
期刊論文
[1]一種基于群體分布特征的自適應(yīng)多目標(biāo)粒子群優(yōu)化算法[J]. 耿煥同,陳哲,陳正鵬,薛羽.  控制與決策. 2017(08)
[2]Enhancing MOEA/D with uniform population initialization,weight vector design and adjustment using uniform design[J]. Ying Zhang,Rennong Yang,Jialiang Zuo,Xiaoning Jing.  Journal of Systems Engineering and Electronics. 2015(05)
[3]變鄰域分解多目標(biāo)自適應(yīng)差分進(jìn)化算法[J]. 劉志君,高亞奎,章衛(wèi)國(guó),王曉光,袁燎原.  控制理論與應(yīng)用. 2014(11)
[4]基于冪變換的多目標(biāo)進(jìn)化算法MOEA?D權(quán)重設(shè)計(jì)方法[J]. 劉海林,辜方清,張曉明.  計(jì)算機(jī)研究與發(fā)展. 2012(06)



本文編號(hào)：3255222