多任務(wù)進(jìn)化是進(jìn)化計算和優(yōu)化領(lǐng)域內(nèi)新興的子領(lǐng)域,它采用了多任務(wù)學(xué)習(xí)的思想,能夠同時地解決多個優(yōu)化問題。相對于一次只解決一個優(yōu)化問題的經(jīng)典進(jìn)化算法,多任務(wù)進(jìn)化算法可以有效地利用不同任務(wù)間存在的共性或互補性,從而促進(jìn)種群的進(jìn)化。這是容易理解的,在不同任務(wù)間遷移有用的信息,可以提升進(jìn)化算法在多任務(wù)優(yōu)化問題中的效率。本文主要關(guān)注如何解決單目標(biāo)多任務(wù)的連續(xù)優(yōu)化問題,也就是如何同時解決多個目標(biāo)函數(shù)值為標(biāo)量的連續(xù)優(yōu)化問題。主要分為如下三個部分:（1）首先介紹基于遺傳算法的多任務(wù)進(jìn)化算法,我們提出了一種新的容易實現(xiàn)的多任務(wù)遺傳算法,它能夠估計并使用任務(wù)間的偏差,從而能較好地解決多個顯著不同的優(yōu)化任務(wù)。最后通過廣泛的實驗驗證了我們提出的多任務(wù)遺傳算法具有優(yōu)異的性能。（2）進(jìn)一步提出了多任務(wù)差分進(jìn)化,它在多任務(wù)遺傳算法的框架下,使用差分進(jìn)化來搜索每個任務(wù)的最優(yōu)解。大量的實驗驗證了多任務(wù)差分進(jìn)化也具有優(yōu)異的性能,在多個測試問題中均取得了最好的結(jié)果。另外,實驗還驗證了考慮任務(wù)間的偏差是重要的,并且估計的偏差一般會隨著種群的進(jìn)化而變得越來越準(zhǔn)確。（3）首次將多任務(wù)優(yōu)化應(yīng)用于模糊控制器設(shè)計,在設(shè)計的過程中采用多任務(wù)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 進(jìn)化算法
    1.2 多任務(wù)學(xué)習(xí)
    1.3 多任務(wù)進(jìn)化算法
    1.4 本文主要研究內(nèi)容
2 基于遺傳算法的多任務(wù)進(jìn)化算法
    2.1 多因素進(jìn)化算法
    2.2 多任務(wù)遺傳算法
    2.3 實驗部分
    2.4 本章小結(jié)
3 基于差分進(jìn)化的多任務(wù)進(jìn)化算法
    3.1 差分進(jìn)化算法
    3.2 多因素差分進(jìn)化
    3.3 多任務(wù)差分進(jìn)化
    3.4 實驗部分
    3.5 本章小結(jié)
4 模糊控制器設(shè)計中的應(yīng)用
    4.1 模糊邏輯系統(tǒng)
    4.2 水箱系統(tǒng)
    4.3 適應(yīng)函數(shù)
    4.4 模糊控制器的結(jié)構(gòu)和參數(shù)
    4.5 實驗部分
    4.6 本章小結(jié)
5 結(jié)論
    5.1 全文總結(jié)與展望
致謝
參考文獻(xiàn)
附錄1 攻讀學(xué)位期間發(fā)表論文目錄
附錄2 測試問題



本文編號：3431423