多目標優(yōu)化問題在現(xiàn)實生活中廣泛存在,這些問題具有復雜度高,不易求解等特點,傳統(tǒng)的數(shù)學方法難以對該類問題進行很好的求解。為解決這個問題,多目標進化算法被提出來并獲得了廣泛應用。多目標進化算法是啟發(fā)式搜索算法中的一種,在處理多目標優(yōu)化問題上,該類算法表現(xiàn)出了良好的魯棒性和適用性。然而,隨著目標個數(shù)的增加,這些多目標優(yōu)化算法的有效性將逐漸地失效。原因是當目標數(shù)大于三個時,非支配解的數(shù)量將快速的占據(jù)整個種群的數(shù)量,傳統(tǒng)的支配關系將失去收斂壓力的功能,導致整個種群無法收斂到真實的帕累托最優(yōu)面(Pareto optimal front,PF)上。為處理好該問題,基于指標類的超多目標進化算法和基于分解類的超多目標進化算法被提出來用于增強環(huán)境選擇。然而,指標類算法獲得的解集易于收斂到某些特定的帕累托區(qū)域,從而導致種群多樣性和覆蓋度方面的缺失;分解類算法的性能又依賴于真實PF的形狀。針對指標類和分解類的超多目標進化算法存在的不足,本文主要致力于對基于指標和基于分解的超多目標進化算法進行改進,提出了兩種超多目標進化算法,其內(nèi)容如下:1)提出了一種基于指標帶邊界保護策略的超多目標進化算法(An Indica...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖2.1三目標空間中k=1，2的三

基于指標和分解的超多目標進化算法研究8邊界解定義為同時優(yōu)化k（k<m）目標的解，如圖2-1所示，其中m為目標個數(shù)。給定K個特定的目標，如果僅存在一個邊界解，則該邊界解被稱為角落解[43][44][45]，如圖2-2所示。角落解是邊界解的子集。圖2.1三目標空間中k=1，2的三種不....

圖2.1三目標空間中k=1，2的三種不同PFs的邊界解（紅線上）

基于指標和分解的超多目標進化算法研究8邊界解定義為同時優(yōu)化k（k<m）目標的解，如圖2-1所示，其中m為目標個數(shù)。給定K個特定的目標，如果僅存在一個邊界解，則該邊界解被稱為角落解[43][44][45]，如圖2-2所示。角落解是邊界解的子集。圖2.1三目標空間中k=1，2的三種不....

圖2.2三個不同PFs在三目標空間的角落解（紅圈），前兩種情況為k=2，后一種情況為k=1

基于指標和分解的超多目標進化算法研究8邊界解定義為同時優(yōu)化k（k<m）目標的解，如圖2-1所示，其中m為目標個數(shù)。給定K個特定的目標，如果僅存在一個邊界解，則該邊界解被稱為角落解[43][44][45]，如圖2-2所示。角落解是邊界解的子集。圖2.1三目標空間中k=1，2的三種不....

圖2.3超多目標進化算法的流程圖

基于指標和分解的超多目標進化算法研究9SBX[47])和多項式變異算子(PolynomialMutation,PM[48])。4）環(huán)境選擇：環(huán)境選擇主要用于更新種群，以便優(yōu)秀的個體能被保留進入到下一代迭代過程中。在更新種群的過程中，研究者們提出了各種各樣的策略，這些策略都有一定的....

本文編號：3975545