基于差異化鄰域策略的分解多目標進化算法研究及應用
發(fā)布時間:2022-02-19 03:46
在實際工程和科學研究中,人類總是遵從“最大化效益,最小化成本”這一優(yōu)化原則,使得多目標優(yōu)化問題成為研究的熱點。多目標優(yōu)化問題旨在同時優(yōu)化相互沖突、相互約束的多個目標,獲得一組近似的Pareto最優(yōu)解集,以便決策者從中挑選最優(yōu)方案;诜纸獾亩嗄繕诉M化算法(MOEA/D)在解決多目標優(yōu)化問題時具有較強的搜索能力,高效的適應度評價,良好的收斂性等優(yōu)勢成為研究熱點。然而,隨著目標維度的增加,種群中非支配解的比例迅速上升,同時逼近整個Pareto前沿所需的解的個數(shù)呈指數(shù)增長,使得算法搜索全局最優(yōu)解的能力驟降;此外,處理具有復雜Pareto解集的多目標優(yōu)化問題時,算法對優(yōu)秀解的選擇壓力不足,易陷入局部最優(yōu)。MOEA/D在求解此類多目標優(yōu)化問題時,存在著求解質量不夠高、收斂速度慢、收斂不到前沿、資源分配不合理等問題。針對上述兩個難點,本文從算法的計算資源分配為切入點,通過分析不同大小的鄰域對算法性能的影響,提出差異化鄰域策略,對算法的計算資源進行有效地分配,從而提高算法性能。本文主要研究內容如下:(1)子問題鄰域對基于分解的多目標進化算法性能影響較大:當鄰域過大時,種群繁殖產生的新解偏離Paret...
【文章來源】:浙江工業(yè)大學浙江省
【文章頁數(shù)】:70 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究背景及意義
1.2 國內外研究現(xiàn)狀
1.2.1 多目標進化算法研究進展
1.2.2 計算資源分配的分解進化算法研究進展
1.2.3 有時間窗的車輛路徑問題研究現(xiàn)狀
1.3 研究內容及章節(jié)安排
1.3.1 研究內容
1.3.2 章節(jié)安排
2 多目標進化算法及其性能評價指標
2.1 多目標優(yōu)化問題
2.1.1 多目標優(yōu)化問題描述
2.1.2 Pareto最優(yōu)解
2.1.3 多目標優(yōu)化問題面臨的困難
2.2 基于分解的多目標進化算法
2.2.1 權重向量生成方法
2.2.2 MOEA/D算法流程
2.3 多目標進化算法評價指標
2.3.1 收斂性評價指標
2.3.2 多樣性評價指標
2.3.3 綜合性評價指標
2.4 本章小結
3 基于差異化鄰域策略的分解多目標進化算法
3.1 固定鄰域缺陷分析
3.2 鄰域過大或過小缺陷分析
3.3 差異化鄰域策略
3.4 MOEA/D-DN算法流程
3.5 仿真實驗與結果分析
3.5.1 參數(shù)設置
3.5.2 應用差異化鄰域策略前后的算法性能對比
3.5.3 多目標優(yōu)化問題性能測試
3.5.4 高維目標優(yōu)化問題性能測試
3.6 本章小結
4 有硬時間窗的多目標車輛路徑問題
4.1 問題描述與模型建立
4.2 算法流程
4.3 算例及數(shù)值分析
4.4 本章小結
5 總結與展望
5.1 總結
5.2 展望
參考文獻
附錄1:測試函數(shù)表達式及其特性
附錄2:測試函數(shù)PARETO前沿圖
攻讀學位期間參加的研究工作和獲得的學術成果
【參考文獻】:
期刊論文
[1]基于混合NSGA-Ⅱ的有硬時間窗的多目標車輛路徑問題[J]. 吳天羿,劉建永,許繼恒,翁杰,昝良. 交通運輸系統(tǒng)工程與信息. 2014(02)
[2]高維目標進化算法研究進展[J]. 謝承旺,汪慎文,謝大同,郭肇祿. 武漢大學學報(工學版). 2012(05)
[3]高維多目標進化算法研究綜述[J]. 孔維健,丁進良,柴天佑. 控制與決策. 2010(03)
[4]一種用于多目標約束優(yōu)化的改進進化算法[J]. 俞國燕,李鵬,何真,孫延明. 計算機集成制造系統(tǒng). 2009(06)
[5]基于多目標遺傳算法求解時間窗車輛路徑問題[J]. 劉敏,鄭金華,蔣浩. 計算機工程與應用. 2006(09)
[6]有時間窗車輛路徑問題的改進遺傳算法[J]. 張麗萍,柴躍廷,曹瑞. 計算機集成制造系統(tǒng)-CIMS. 2002(06)
博士論文
[1]混流制造系統(tǒng)生產物流優(yōu)化關鍵問題研究[D]. 高貴兵.華中科技大學 2011
碩士論文
[1]基于遺傳算法的車輛路徑優(yōu)化問題的應用研究[D]. 王雪紅.天津科技大學 2016
本文編號:3632153
【文章來源】:浙江工業(yè)大學浙江省
【文章頁數(shù)】:70 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究背景及意義
1.2 國內外研究現(xiàn)狀
1.2.1 多目標進化算法研究進展
1.2.2 計算資源分配的分解進化算法研究進展
1.2.3 有時間窗的車輛路徑問題研究現(xiàn)狀
1.3 研究內容及章節(jié)安排
1.3.1 研究內容
1.3.2 章節(jié)安排
2 多目標進化算法及其性能評價指標
2.1 多目標優(yōu)化問題
2.1.1 多目標優(yōu)化問題描述
2.1.2 Pareto最優(yōu)解
2.1.3 多目標優(yōu)化問題面臨的困難
2.2 基于分解的多目標進化算法
2.2.1 權重向量生成方法
2.2.2 MOEA/D算法流程
2.3 多目標進化算法評價指標
2.3.1 收斂性評價指標
2.3.2 多樣性評價指標
2.3.3 綜合性評價指標
2.4 本章小結
3 基于差異化鄰域策略的分解多目標進化算法
3.1 固定鄰域缺陷分析
3.2 鄰域過大或過小缺陷分析
3.3 差異化鄰域策略
3.4 MOEA/D-DN算法流程
3.5 仿真實驗與結果分析
3.5.1 參數(shù)設置
3.5.2 應用差異化鄰域策略前后的算法性能對比
3.5.3 多目標優(yōu)化問題性能測試
3.5.4 高維目標優(yōu)化問題性能測試
3.6 本章小結
4 有硬時間窗的多目標車輛路徑問題
4.1 問題描述與模型建立
4.2 算法流程
4.3 算例及數(shù)值分析
4.4 本章小結
5 總結與展望
5.1 總結
5.2 展望
參考文獻
附錄1:測試函數(shù)表達式及其特性
附錄2:測試函數(shù)PARETO前沿圖
攻讀學位期間參加的研究工作和獲得的學術成果
【參考文獻】:
期刊論文
[1]基于混合NSGA-Ⅱ的有硬時間窗的多目標車輛路徑問題[J]. 吳天羿,劉建永,許繼恒,翁杰,昝良. 交通運輸系統(tǒng)工程與信息. 2014(02)
[2]高維目標進化算法研究進展[J]. 謝承旺,汪慎文,謝大同,郭肇祿. 武漢大學學報(工學版). 2012(05)
[3]高維多目標進化算法研究綜述[J]. 孔維健,丁進良,柴天佑. 控制與決策. 2010(03)
[4]一種用于多目標約束優(yōu)化的改進進化算法[J]. 俞國燕,李鵬,何真,孫延明. 計算機集成制造系統(tǒng). 2009(06)
[5]基于多目標遺傳算法求解時間窗車輛路徑問題[J]. 劉敏,鄭金華,蔣浩. 計算機工程與應用. 2006(09)
[6]有時間窗車輛路徑問題的改進遺傳算法[J]. 張麗萍,柴躍廷,曹瑞. 計算機集成制造系統(tǒng)-CIMS. 2002(06)
博士論文
[1]混流制造系統(tǒng)生產物流優(yōu)化關鍵問題研究[D]. 高貴兵.華中科技大學 2011
碩士論文
[1]基于遺傳算法的車輛路徑優(yōu)化問題的應用研究[D]. 王雪紅.天津科技大學 2016
本文編號:3632153
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3632153.html