發(fā)布時(shí)間：2023-04-11 21:35

　　動(dòng)態(tài)多目標(biāo)優(yōu)化問題在當(dāng)今的生產(chǎn)實(shí)踐和科學(xué)研究中有廣泛的應(yīng)用,且由于動(dòng)態(tài)多目標(biāo)優(yōu)化問題的目標(biāo)函數(shù)、目標(biāo)函數(shù)數(shù)量、約束條件和決策變量等會(huì)隨著環(huán)境變化而發(fā)生改變,因此,求解動(dòng)態(tài)多目標(biāo)優(yōu)化問題變得尤為重要和困難。在對(duì)該類問題進(jìn)行求解時(shí),要求算法在滿足收斂性和分布性的同時(shí)還能夠快速且準(zhǔn)確的響應(yīng)環(huán)境的變化。當(dāng)處理復(fù)雜的實(shí)際問題時(shí),對(duì)算法的性能要求也會(huì)隨之提高。因此本文針對(duì)動(dòng)態(tài)多目標(biāo)優(yōu)化問題進(jìn)行了分類和研究,解決了動(dòng)態(tài)多目標(biāo)優(yōu)化算法中的三類典型問題,主要內(nèi)容的概述如下:針對(duì)傳統(tǒng)的目標(biāo)函數(shù)時(shí)變問題,為了快速且準(zhǔn)確的跟蹤動(dòng)態(tài)多目標(biāo)優(yōu)化問題中變化的Pareto前沿與Pareto解集,本文在不依靠歷史信息的前提下,提出了一種基于參考線預(yù)測策略求解動(dòng)態(tài)多目標(biāo)優(yōu)化問題的算法。該算法通過記錄每個(gè)參考線關(guān)聯(lián)的種群個(gè)體在環(huán)境變化初始階段和個(gè)體自主進(jìn)化一小段時(shí)間后個(gè)體位置的變化,預(yù)測最優(yōu)個(gè)體所在方向,同時(shí)在該方向上均勻分布若干延伸個(gè)體,選出每個(gè)參考線關(guān)聯(lián)的非支配個(gè)體作為當(dāng)前環(huán)境下的引導(dǎo)個(gè)體,在選出的引導(dǎo)個(gè)體鄰域內(nèi)隨機(jī)產(chǎn)生若干伴隨個(gè)體增加種群多樣性。與現(xiàn)有算法對(duì)比,實(shí)驗(yàn)結(jié)果表明新的算法具有更快的響應(yīng)環(huán)境變化的能力。針對(duì)目...

【文章頁數(shù)】：84 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 動(dòng)態(tài)多目標(biāo)優(yōu)化問題研究現(xiàn)狀
        1.2.1 目標(biāo)函數(shù)時(shí)變動(dòng)態(tài)問題研究現(xiàn)狀
        1.2.2 目標(biāo)函數(shù)數(shù)量時(shí)變動(dòng)態(tài)問題研究現(xiàn)狀
        1.2.3 環(huán)境變化不可檢測動(dòng)態(tài)問題研究現(xiàn)狀
    1.3 本文結(jié)構(gòu)和研究內(nèi)容
    1.4 本章小結(jié)
第2章 動(dòng)態(tài)多目標(biāo)優(yōu)化問題相關(guān)內(nèi)容
    2.1 動(dòng)態(tài)多目標(biāo)優(yōu)化問題的相關(guān)定義
    2.2 設(shè)計(jì)動(dòng)態(tài)多目標(biāo)優(yōu)化算法簡介
    2.3 性能評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第3章 基于參考線預(yù)測策略的動(dòng)態(tài)多目標(biāo)優(yōu)化算法
    3.1 引言
    3.2 PDMOP算法
        3.2.1 PDMOP算法簡介
        3.2.2 PDMOP算法框架
    3.3 基于參考線的預(yù)測策略
        3.3.1 預(yù)測策略簡介
        3.3.2 個(gè)體參考線關(guān)聯(lián)與選擇
        3.3.3 預(yù)測個(gè)體進(jìn)化方向的判斷算子
        3.3.4 延伸個(gè)體產(chǎn)生機(jī)制
        3.3.5 伴隨個(gè)體產(chǎn)生策略
    3.4 RLPS算法流程
    3.5 算法測試與分析
        3.5.1 測試函數(shù)
        3.5.2 實(shí)驗(yàn)參數(shù)設(shè)置
        3.5.3 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第4章 基于參考點(diǎn)的高維動(dòng)態(tài)多目標(biāo)優(yōu)化算法
    4.1 引言
    4.2 MOEA/D算法簡介
    4.3 高維基于參考點(diǎn)的預(yù)測策略
        4.3.1 預(yù)測策略簡介
        4.3.2 種群補(bǔ)全機(jī)制
        4.3.3 升維初始參考點(diǎn)選擇機(jī)制
        4.3.4 參考點(diǎn)升維機(jī)制
    4.4 基于參考點(diǎn)的高維動(dòng)態(tài)多目標(biāo)優(yōu)化算法流程
    4.5 算法測試與分析
        4.5.1 測試函數(shù)
        4.5.2 實(shí)驗(yàn)參數(shù)設(shè)置
        4.5.3 實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第5章 基于參考點(diǎn)的環(huán)境不可測動(dòng)態(tài)多目標(biāo)優(yōu)化算法
    5.1 引言
    5.2 NSGA-Ⅱ算法
    5.3 基于參考點(diǎn)的環(huán)境不可測動(dòng)態(tài)多目標(biāo)優(yōu)化算法
        5.3.1 算法概況
        5.3.2 種群標(biāo)準(zhǔn)化和參考點(diǎn)集的生成
        5.3.3 個(gè)體關(guān)聯(lián)到參考點(diǎn)和基于參考點(diǎn)的支配關(guān)系
        5.3.4 引導(dǎo)進(jìn)化策略
        5.3.5 種群檔案更新機(jī)制
    5.4 算法測試與分析
        5.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        5.4.2 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
致謝
附錄 A 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3789791