基于分解的多目標(biāo)優(yōu)化算法（multi-objective optimization evolutionary algorithm based on decomposition,簡(jiǎn)稱MOEA/D）是多目標(biāo)優(yōu)化算法（multi-objective optimization evolutionary algorithms,簡(jiǎn)稱MOEAs）中的一個(gè)重要分支。盡管MOEA/D已經(jīng)很好地解決了很多多目標(biāo)優(yōu)化問題（multi-objective optimization problems,簡(jiǎn)稱MOPs）,但是該算法仍有很多不足,值得我們繼續(xù)去對(duì)其做深入地研究。本文主要對(duì)MOEA/D進(jìn)行改進(jìn)以更好地求解目標(biāo)個(gè)數(shù)比較多的高維多目標(biāo)優(yōu)化問題（many-objective optimization problems,簡(jiǎn)稱MaOPs）的算法進(jìn)行了研究。本文的工作主要概括如下:1.為了提高M(jìn)OEA/D求解MaOPs的能力,提出了一種改進(jìn)的MOEA/D（稱為I-MOEA/D）。首先,我們重新設(shè)計(jì)了MOEA/D中的權(quán)向量,使得新的權(quán)向量分布更加廣泛,并且對(duì)于在目標(biāo)空間中搜索種群的多樣性和算法的收斂性會(huì)更加有幫助。然... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

在光滑PF和非光滑PF上權(quán)向量的圖示

三種分解法的改進(jìn)區(qū)域圖解


本文編號(hào)：3274869