本文關(guān)鍵詞：多目標(biāo)進(jìn)化算法的改進(jìn)及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：多目標(biāo)優(yōu)化問題在工程實(shí)踐中普遍存在，多目標(biāo)進(jìn)化算法是解決多目標(biāo)優(yōu)化問題的強(qiáng)有力工具。多目標(biāo)進(jìn)化算法繼承了進(jìn)化算法并行隨機(jī)搜索、全局搜索能力強(qiáng)、能夠求解高度復(fù)雜的非線性問題的優(yōu)勢(shì)，用于解決具有多個(gè)相互沖突的目標(biāo)的優(yōu)化問題。近年來，各種多目標(biāo)進(jìn)化算法大量涌現(xiàn)，很多新的進(jìn)化范例被不斷引入，多目標(biāo)進(jìn)化算法受到了廣泛的關(guān)注并成為研究熱點(diǎn)。 論文在開始對(duì)多目標(biāo)優(yōu)化的相關(guān)概念，多目標(biāo)進(jìn)化算法的基本框架，多目標(biāo)進(jìn)化算法及其應(yīng)用的發(fā)展?fàn)顩r進(jìn)行了介紹,詳細(xì)介紹了兩種經(jīng)典的多目標(biāo)進(jìn)化算法及算法的評(píng)價(jià)指標(biāo),為后續(xù)算法的改進(jìn)及應(yīng)用奠定基礎(chǔ)。 針對(duì)經(jīng)典算法NSGA2的收斂性、分布性不足；SPEA2的運(yùn)算時(shí)間過長；Pareto解集復(fù)雜度增加時(shí)，經(jīng)典的多目標(biāo)進(jìn)化算法性能下降，無法收斂或無法搜索出跨越整個(gè)Pareto均衡面的解集等問題，設(shè)計(jì)了一種實(shí)數(shù)編碼的量子克隆多目標(biāo)進(jìn)化算法。該算法引入了混沌編碼初始化的量子概率幅、量子旋轉(zhuǎn)門、克隆等算子，使用兩次互補(bǔ)單基因高斯變異提高算法多樣性，設(shè)計(jì)了動(dòng)態(tài)的擁擠距離調(diào)整策略，調(diào)節(jié)解集分布性。實(shí)驗(yàn)證明，該算法實(shí)現(xiàn)了運(yùn)行時(shí)間與收斂性、分布性之間的均衡，當(dāng)測(cè)試問題的Pareto解集復(fù)雜度增加時(shí)，具有明顯的優(yōu)勢(shì)。 針對(duì)經(jīng)典算法NSGA2的收斂性、分布性不足，SPEA2的運(yùn)算時(shí)間過長，優(yōu)化問題的目標(biāo)維數(shù)增加時(shí)經(jīng)典算法無法收斂等問題，設(shè)計(jì)了一種基于二元指標(biāo)的多目標(biāo)進(jìn)化算法。該算法設(shè)計(jì)了基于二元指標(biāo)的適應(yīng)度計(jì)算方法及環(huán)境選擇策略。算法簡單易行，運(yùn)行效率高且具有良好的分布性和收斂性。在處理高維目標(biāo)的DTLZ問題時(shí)，具有明顯的優(yōu)勢(shì)。應(yīng)用所設(shè)計(jì)的基于二元指標(biāo)的多目標(biāo)進(jìn)化算法優(yōu)化設(shè)計(jì)了IIR數(shù)字濾波器，驗(yàn)證了算法的有效性。 最后，針對(duì)空地導(dǎo)彈彈道多目標(biāo)優(yōu)化問題，，探討如何將連續(xù)的優(yōu)化問題轉(zhuǎn)化為參數(shù)優(yōu)化問題，建立了多目標(biāo)彈道優(yōu)化模型，并使用所設(shè)計(jì)的實(shí)數(shù)編碼的量子克隆多目標(biāo)進(jìn)化算法對(duì)導(dǎo)彈彈道進(jìn)行優(yōu)化設(shè)計(jì)。通過與非線性規(guī)劃法的優(yōu)化結(jié)果相比較，證明了模型的正確性及算法的有效性。
【關(guān)鍵詞】：多目標(biāo)優(yōu)化 多目標(biāo)進(jìn)化算法 量子計(jì)算 二元指標(biāo) 解集關(guān)聯(lián) 高維目標(biāo) IIR數(shù)字濾波器 彈道優(yōu)化
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP18
【目錄】：

• 摘要4-5
• Abstract5-12
• 第一章 緒論12-19
• 1.1 多目標(biāo)進(jìn)化算法的產(chǎn)生及研究意義12-13
• 1.2 多目標(biāo)進(jìn)化算法研究及其應(yīng)用現(xiàn)狀13-16
• 1.2.1 多目標(biāo)進(jìn)化算法的發(fā)展?fàn)顩r13-16
• 1.2.2 多目標(biāo)進(jìn)化算法的應(yīng)用狀況16
• 1.3 多目標(biāo)進(jìn)化算法中待解決的問題16-17
• 1.4 論文的研究內(nèi)容與結(jié)構(gòu)17-19
• 第二章 多目標(biāo)進(jìn)化算法19-30
• 2.1 多目標(biāo)優(yōu)化的基本概念19-20
• 2.2 多目標(biāo)進(jìn)化算法的基本框架20-21
• 2.3 幾種典型的多目標(biāo)進(jìn)化算法21-26
• 2.3.1 經(jīng)典多目標(biāo)進(jìn)化算法 NSGA2 介紹21-24
• 2.3.2 經(jīng)典多目標(biāo)進(jìn)化算法 SPEA2 介紹24-26
• 2.4 多目標(biāo)進(jìn)化算法的評(píng)價(jià)指標(biāo)26-29
• 2.5 本章小結(jié)29-30
• 第三章 一種實(shí)數(shù)編碼的量子克隆多目標(biāo)進(jìn)化算法30-57
• 3.1 算法概述30-31
• 3.2 RQC-MOEA 的關(guān)鍵算子31-35
• 3.2.1 量子計(jì)算原理概述31-32
• 3.2.2 實(shí)數(shù)編碼的三倍染色體32
• 3.2.3 互補(bǔ)高斯變異及變異越界處理方法32-33
• 3.2.4 量子更新與交叉算子33
• 3.2.5 種群克隆33-35
• 3.2.6 改進(jìn)的擁擠距離35
• 3.3 算法流程35-37
• 3.4 數(shù)值實(shí)驗(yàn)37-55
• 3.4.1 測(cè)試函數(shù)及實(shí)驗(yàn)結(jié)果37-45
• 3.4.2 增加測(cè)試函數(shù) Pareto 解集復(fù)雜度及實(shí)驗(yàn)結(jié)果45-55
• 3.5 本章小結(jié)55-57
• 第四章 基于二元指標(biāo)的多目標(biāo)進(jìn)化算法57-75
• 4.1 算法概述57
• 4.2 IB-MOEA 的關(guān)鍵算子57-60
• 4.2.1 基于二元指標(biāo)的適應(yīng)度57-58
• 4.2.2 基于二元指標(biāo)的環(huán)境選擇算子58
• 4.2.3 多種群進(jìn)化58-60
• 4.3 算法流程60
• 4.4 數(shù)值實(shí)驗(yàn)60-67
• 4.4.1 二維目標(biāo)測(cè)試函數(shù)及實(shí)驗(yàn)結(jié)果60-62
• 4.4.2 三維及高維目標(biāo)測(cè)試函數(shù)及實(shí)驗(yàn)結(jié)果62-67
• 4.5 IB-MOEA 在 IIR 數(shù)字濾波器優(yōu)化設(shè)計(jì)中的應(yīng)用67-73
• 4.5.1 IIR 濾波器多目標(biāo)優(yōu)化模型67-69
• 4.5.2 算例及仿真結(jié)果69-73
• 4.6 本章小結(jié)73-75
• 第五章 基于 RQC-MOEA 的空地導(dǎo)彈彈道軌跡優(yōu)化研究75-84
• 5.1 空地導(dǎo)彈彈道優(yōu)化的背景及研究意義75
• 5.2 空地導(dǎo)彈彈道優(yōu)化方法研究75-83
• 5.2.1 導(dǎo)彈質(zhì)點(diǎn)運(yùn)動(dòng)模型75-77
• 5.2.2 導(dǎo)彈彈道多目標(biāo)優(yōu)化模型77-79
• 5.2.3 仿真實(shí)驗(yàn)結(jié)果分析79-83
• 5.3 本章小結(jié)83-84
• 第六章 總結(jié)與展望84-86
• 6.1 總結(jié)84-85
• 6.2 展望85-86
• 參考文獻(xiàn)86-90
• 致謝90-91
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文91

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 謝克明,謝剛,郭紅波,續(xù)欣瑩;人工免疫系統(tǒng)及其算法[J];電子與信息學(xué)報(bào);2005年11期

2 羅彪;鄭金華;朱云飛;蔡自興;;一種基于“探測(cè)"與“開采"的多目標(biāo)進(jìn)化算法[J];高技術(shù)通訊;2010年02期

3 陳剛;徐敏;萬自明;陳士櫓;;具有內(nèi)點(diǎn)狀態(tài)約束的機(jī)動(dòng)再入彈道優(yōu)化設(shè)計(jì)[J];固體火箭技術(shù);2006年02期

4 文詩華;鄭金華;李密青;;多目標(biāo)進(jìn)化算法中變異算子的比較與研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年02期

5 張景成;戴光明;;基于指標(biāo)的多目標(biāo)進(jìn)化算法研究[J];計(jì)算機(jī)工程;2009年23期

6 高輝;徐光輝;張銳;王哲人;;實(shí)數(shù)編碼量子進(jìn)化算法[J];控制與決策;2008年01期

7 吳志遠(yuǎn),邵惠鶴,吳新余;基于遺傳算法的退火精確罰函數(shù)非線性約束優(yōu)化方法[J];控制與決策;1998年02期

8 公茂果;焦李成;楊咚咚;馬文萍;;進(jìn)化多目標(biāo)優(yōu)化算法研究[J];軟件學(xué)報(bào);2009年02期

9 李建華，殷福亮;設(shè)計(jì)IIR數(shù)字濾波器的遺傳優(yōu)化算法[J];通信學(xué)報(bào);1996年03期

10 陳剛,萬自明,徐敏,陳士櫓;飛行器軌跡優(yōu)化應(yīng)用遺傳算法的參數(shù)化與約束處理方法研究[J];系統(tǒng)仿真學(xué)報(bào);2005年11期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 劉楠楠;基于進(jìn)化算法的多目標(biāo)優(yōu)化算法及應(yīng)用研究[D];南京航空航天大學(xué);2010年

2 蔣勇;單目標(biāo)和多目標(biāo)全局優(yōu)化算法設(shè)計(jì)[D];西安電子科技大學(xué);2008年

3 江斌;人工免疫算法的基礎(chǔ)研究及其應(yīng)用[D];中南大學(xué);2008年

4 謝炯亮;多目標(biāo)進(jìn)化算法中解集分布性能的研究[D];湘潭大學(xué);2008年

  本文關(guān)鍵詞：多目標(biāo)進(jìn)化算法的改進(jìn)及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：376416