本文關(guān)鍵詞：基于進(jìn)化機(jī)制的多目標(biāo)優(yōu)化問(wèn)題求解方法研究

  更多相關(guān)文章： 多目標(biāo)優(yōu)化問(wèn)題 高維 NSGA-Ⅱ 差分進(jìn)化 基于相關(guān)性選擇

【摘要】：進(jìn)化算法是一類(lèi)模擬生物進(jìn)化過(guò)程中自然選擇和自然進(jìn)化的群體啟發(fā)式隨機(jī)搜索算法,較好的通用性使其適用于復(fù)雜非線(xiàn)性和較少目標(biāo)的優(yōu)化問(wèn)題。但是隨著問(wèn)題求解的各方面性能要求提高以及問(wèn)題的復(fù)雜性提升,我們需要提出性能更好的多目標(biāo)優(yōu)化進(jìn)化算法�；谝陨媳尘�,本文提出用于求解低維多目標(biāo)優(yōu)化問(wèn)題的一種改進(jìn)的差分進(jìn)化混合多目標(biāo)優(yōu)化算法,另外,在對(duì)高維多目標(biāo)優(yōu)化問(wèn)題的研究下,本文提出一種基于相關(guān)性選擇和差分進(jìn)化的高維多目標(biāo)優(yōu)化進(jìn)化算法。本文具體工作主要為：1.提出一種用于求解低維多目標(biāo)優(yōu)化問(wèn)題的改進(jìn)差分進(jìn)化混合多目標(biāo)優(yōu)化算法。算法首先分析了求解多目標(biāo)優(yōu)化問(wèn)題的典范代表NSGA-Ⅱ算法,對(duì)算法呈現(xiàn)的搜索精度較差和分布伴隨盲區(qū)問(wèn)題進(jìn)行詳細(xì)分析,然后采用拉丁超立方體抽樣技術(shù)產(chǎn)生分布較好的初始種群,利用差分算法中個(gè)體之間合作、競(jìng)爭(zhēng)引導(dǎo)的智能搜索尋優(yōu)機(jī)制,以及其特殊的變異算子對(duì)個(gè)體進(jìn)化方向進(jìn)行干預(yù)擾動(dòng),使得提出的改進(jìn)的差分進(jìn)化混合多目標(biāo)優(yōu)化算法兼具全局搜索和局部搜索能力。通過(guò)對(duì)ZDT1、ZDT3、ZDT4和ZDT6多目標(biāo)優(yōu)化函數(shù)的測(cè)試,實(shí)驗(yàn)結(jié)果表明所提出的算法比NSDE、NSGA-Ⅱ和MODE算法在收斂性上有較大優(yōu)勢(shì),且所提出算法的多樣性呈現(xiàn)也較好。2.提出一種基于相關(guān)性選擇和差分進(jìn)化的高維多目標(biāo)優(yōu)化進(jìn)化算法。算法首先給出相關(guān)性機(jī)制中的參考點(diǎn)和個(gè)體相關(guān)概念,提出基于相關(guān)性的差分進(jìn)化及多項(xiàng)式變異選擇方法,通過(guò)參考點(diǎn)的相關(guān)個(gè)體數(shù)目來(lái)維持種群多樣性,并采用基于相關(guān)性的種群更新選擇,利用個(gè)體的懲罰距離來(lái)保證種群的收斂性。通過(guò)對(duì)3維、8維和15維的DTLZ1、DTLZ2、DTLZ3和DTLZ4優(yōu)化函數(shù)的測(cè)試,結(jié)果表明所提出的算法在IGD指標(biāo)上,性能總體優(yōu)于NSGA-Ⅲ和MOEA/D算法。
【關(guān)鍵詞】：多目標(biāo)優(yōu)化問(wèn)題 高維 NSGA-Ⅱ 差分進(jìn)化 基于相關(guān)性選擇
【學(xué)位授予單位】：西安郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-15
• 1.1 課題背景與意義7
• 1.2 多目標(biāo)優(yōu)化問(wèn)題7-11
• 1.2.1 多目標(biāo)優(yōu)化問(wèn)題數(shù)學(xué)描述及相關(guān)概念7-9
• 1.2.2 傳統(tǒng)多目標(biāo)優(yōu)化方法9-10
• 1.2.3 傳統(tǒng)多目標(biāo)優(yōu)化方法的局限性10-11
• 1.3 論文的主要研究?jī)?nèi)容及創(chuàng)新之處11-12
• 1.4 論文的組織結(jié)構(gòu)12-15
• 第2章 多目標(biāo)優(yōu)化進(jìn)化算法研究15-25
• 2.1 進(jìn)化算法15-18
• 2.1.1 進(jìn)化算法的產(chǎn)生背景15-16
• 2.1.2 進(jìn)化算法的發(fā)展16-17
• 2.1.3 進(jìn)化算法的特點(diǎn)17
• 2.1.4 進(jìn)化算法的基本框架17-18
• 2.2 多目標(biāo)優(yōu)化進(jìn)化算法18-25
• 2.2.1 多目標(biāo)優(yōu)化進(jìn)化算法的關(guān)鍵要素及基本框架18-20
• 2.2.2 多目標(biāo)優(yōu)化進(jìn)化算法關(guān)鍵理論20-22
• 2.2.3 典型的多目標(biāo)優(yōu)化進(jìn)化算法及研究現(xiàn)狀22-25
• 第3章 改進(jìn)的差分進(jìn)化混合多目標(biāo)優(yōu)化算法——LDMNSGA-Ⅱ25-35
• 3.1 引言25-26
• 3.2 相關(guān)理論背景26-27
• 3.2.1 非支配排序遺傳算法--NSGA-Ⅱ26
• 3.2.2 差分進(jìn)化算法26-27
• 3.2.3 拉丁超立方體抽樣技術(shù)(LHS)27
• 3.3 改進(jìn)的差分進(jìn)化混合多目標(biāo)優(yōu)化算法--LDMNSGA-Ⅱ27-29
• 3.3.1 算法設(shè)計(jì)27
• 3.3.2 算法描述27-29
• 3.4 實(shí)驗(yàn)結(jié)果與分析29-33
• 3.4.1 ZDT系列標(biāo)準(zhǔn)測(cè)試函數(shù)29
• 3.4.2 評(píng)價(jià)指標(biāo)29-30
• 3.4.3 實(shí)驗(yàn)設(shè)置30
• 3.4.4 實(shí)驗(yàn)結(jié)果30-33
• 3.5 本章小結(jié)33-35
• 第4章 基于相關(guān)性選擇和差分進(jìn)化的高維多目標(biāo)進(jìn)化算法—CDEAM35-49
• 4.1 引言35-36
• 4.2 相關(guān)理論背景36-39
• 4.2.1 參考點(diǎn)的選擇36-38
• 4.2.2 個(gè)體與參考點(diǎn)之間的相關(guān)性38-39
• 4.3 基于相關(guān)性選擇和差分進(jìn)化的高維多目標(biāo)進(jìn)化算法—CDEAM39-43
• 4.3.1 基于相關(guān)性的差分進(jìn)化及多項(xiàng)式變異選擇39-41
• 4.3.2 基于相關(guān)性的種群更新選擇41-42
• 4.3.3 基于相關(guān)性選擇和差分進(jìn)化的高維多目標(biāo)進(jìn)化算法—CDEAM42-43
• 4.4 實(shí)驗(yàn)結(jié)果與分析43-47
• 4.4.1 DTLZ系列標(biāo)準(zhǔn)多目標(biāo)優(yōu)化測(cè)試函數(shù)43-44
• 4.4.2 評(píng)價(jià)指標(biāo)44-45
• 4.4.3 實(shí)驗(yàn)設(shè)置45
• 4.4.4 實(shí)驗(yàn)結(jié)果45-47
• 4.5 本章小結(jié)47-49
• 第5章 總結(jié)與展望49-51
• 5.1 論文研究工作總結(jié)49
• 5.2 下一步研究工作展望49-51
• 參考文獻(xiàn)51-55
• 攻讀學(xué)位期間取得的研究成果55-57
• 致謝57-59

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉淳安;王宇平;;基于新模型的動(dòng)態(tài)多目標(biāo)優(yōu)化進(jìn)化算法[J];計(jì)算機(jī)研究與發(fā)展;2008年04期

2 徐鶴鳴;王東;;多目標(biāo)優(yōu)化問(wèn)題的求解框架[J];微計(jì)算機(jī)信息;2009年36期

3 郭曉東;王麗芳;;求解多目標(biāo)優(yōu)化問(wèn)題的分布估計(jì)算法[J];太原科技大學(xué)學(xué)報(bào);2010年01期

4 雍龍泉;;求解一類(lèi)不可微多目標(biāo)優(yōu)化問(wèn)題的社會(huì)認(rèn)知算法[J];計(jì)算機(jī)應(yīng)用研究;2010年11期

5 郭思涵;龔小勝;;正交設(shè)計(jì)的E占優(yōu)策略求解高維多目標(biāo)優(yōu)化問(wèn)題研究[J];計(jì)算機(jī)科學(xué);2012年02期

6 蓋玉權(quán);何昱;張宇燕;吳憲彬;萬(wàn)海同;;復(fù)方藥物劑量配比多目標(biāo)優(yōu)化的方法學(xué)研究[J];微型機(jī)與應(yīng)用;2012年07期

7 王杰文;;約束多目標(biāo)優(yōu)化問(wèn)題中約束處理方法綜述[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2012年36期

8 賈利民,張錫第;智能多目標(biāo)優(yōu)化控制及其應(yīng)用[J];信息與控制;1992年01期

9 周學(xué)建;師清翔;朱永寧;;模糊相似優(yōu)先比在清選系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用[J];洛陽(yáng)工學(xué)院學(xué)報(bào);1993年02期

10 吳清烈,江孝感,徐南榮;大規(guī)模含整變量多目標(biāo)優(yōu)化的一種新方法[J];信息與控制;1998年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張翔;;一種無(wú)歧義性的多目標(biāo)優(yōu)化數(shù)值解法[A];中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)成立40周年慶典暨2003年學(xué)術(shù)年會(huì)論文集[C];2003年

2 羅亞中;;航天器軌跡多目標(biāo)優(yōu)化研究評(píng)述[A];The 5th 全國(guó)動(dòng)力學(xué)與控制青年學(xué)者研討會(huì)論文摘要集[C];2011年

3 耿玉磊;張翔;;多目標(biāo)優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學(xué)術(shù)年會(huì)——提升福建制造業(yè)競(jìng)爭(zhēng)力的戰(zhàn)略思考專(zhuān)題學(xué)術(shù)年會(huì)論文集[C];2004年

4 耿玉磊;張翔;;多目標(biāo)優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學(xué)術(shù)年會(huì)提升福建制造業(yè)競(jìng)爭(zhēng)力的戰(zhàn)略思考專(zhuān)題學(xué)術(shù)年會(huì)論文集[C];2004年

5 程鵬;唐雁;鄒顯春;;約束多目標(biāo)優(yōu)化試驗(yàn)函數(shù)產(chǎn)生器[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

6 賈小平;韓方煜;;多目標(biāo)優(yōu)化及其在過(guò)程工程中的應(yīng)用[A];過(guò)程系統(tǒng)工程2001年會(huì)論文集[C];2001年

7 邢志祥;;滅火救援力量調(diào)集的多目標(biāo)優(yōu)化[A];第一屆全國(guó)安全科學(xué)理論研討會(huì)論文集[C];2007年

8 孫力;樊希山;姚平經(jīng);;化工過(guò)程多目標(biāo)優(yōu)化適宜解的模糊確定[A];第二屆全國(guó)傳遞過(guò)程學(xué)術(shù)研討會(huì)論文集[C];2003年

9 李穎t;昝建明;周建文;;多目標(biāo)形貌優(yōu)化方法研究[A];結(jié)構(gòu)及多學(xué)科優(yōu)化工程應(yīng)用與理論研討會(huì)’2009（CSMO-2009）論文集[C];2009年

10 許碧霞;李兆江;;基于循環(huán)經(jīng)濟(jì)的城市污水多目標(biāo)優(yōu)化配置分析[A];中國(guó)地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王晗丁;復(fù)雜問(wèn)題的多目標(biāo)進(jìn)化優(yōu)化算法研究[D];西安電子科技大學(xué);2015年

2 董寧;求解約束優(yōu)化和多目標(biāo)優(yōu)化問(wèn)題的進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

3 鄒娟;高維多目標(biāo)進(jìn)化優(yōu)化及降維評(píng)價(jià)的方法研究[D];湘潭大學(xué);2014年

4 楊光;求解多目標(biāo)優(yōu)化問(wèn)題的NWSA研究及其工程應(yīng)用[D];吉林大學(xué);2015年

5 王超;裝載與車(chē)輛路徑聯(lián)合多目標(biāo)優(yōu)化問(wèn)題研究[D];大連理工大學(xué);2016年

6 葉承晉;計(jì)算智能在電力系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用研究[D];浙江大學(xué);2015年

7 過(guò)曉芳;超多目標(biāo)優(yōu)化問(wèn)題的幾種進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

8 左益;基于全局優(yōu)化和局部學(xué)習(xí)的進(jìn)化多目標(biāo)優(yōu)化算法[D];西安電子科技大學(xué);2016年

9 徐志丹;基于生物地理算法的多目標(biāo)優(yōu)化理論與應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

10 蔣慶;地下水時(shí)空變化及監(jiān)測(cè)網(wǎng)多目標(biāo)優(yōu)化研究[D];華中科技大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 何素素;基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究[D];西安石油大學(xué);2015年

2 黃怡;基于藥效綜合評(píng)價(jià)的中藥組分配伍優(yōu)化方法研究[D];浙江大學(xué);2015年

3 韓偉;基于混合智能算法在造紙廢水厭氧消化處理過(guò)程多目標(biāo)優(yōu)化中的研究[D];華南理工大學(xué);2015年

4 彭清風(fēng);基于魯棒性的船體中橫剖面多目標(biāo)優(yōu)化[D];上海交通大學(xué);2015年

5 崔華;面向個(gè)性化需求的服務(wù)組合優(yōu)化方法[D];哈爾濱工業(yè)大學(xué);2015年

6 章姍捷;基于遺傳算法的電力工程多目標(biāo)優(yōu)化研究[D];華北電力大學(xué);2015年

7 高敏;基于協(xié)同論的風(fēng)電建設(shè)項(xiàng)目多目標(biāo)優(yōu)化模型研究[D];華北電力大學(xué);2015年

8 劉培根;基于多目標(biāo)優(yōu)化和壓縮感知的航拍目標(biāo)檢測(cè)[D];電子科技大學(xué);2015年

9 楊凱;基于多目標(biāo)優(yōu)化的貴州工業(yè)結(jié)構(gòu)調(diào)整研究[D];貴州師范大學(xué);2015年

10 陳振興;基于空間擁擠控制策略的進(jìn)化多目標(biāo)優(yōu)化[D];福建師范大學(xué);2015年

，

本文編號(hào)：533289