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

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

在光滑PF和非光滑PF上權向量的圖示

三種分解法的改進區(qū)域圖解


本文編號：3274869