本文關(guān)鍵詞：基于膜計算模型的多目標(biāo)優(yōu)化算法研究

  更多相關(guān)文章： 多目標(biāo)優(yōu)化 膜計算 膜算法 遺傳操作 表層膜 歸檔

【摘要】：膜計算作為自然計算的一個分支,其目的是從生物細(xì)胞的結(jié)構(gòu)與功能中以及從器官和組織等細(xì)胞群的協(xié)作中,抽象出計算模型。膜計算模型被稱為膜系統(tǒng),也叫做P系統(tǒng),具有良好的并行性、分布性和非確定性等特點�，F(xiàn)在膜計算已經(jīng)廣泛的應(yīng)用到眾多的優(yōu)化領(lǐng)域中。因此,膜計算是一個具有重要理論意義和現(xiàn)實價值的研究課題。多目標(biāo)優(yōu)化問題廣泛存在于科學(xué)研究和工程應(yīng)用中,這些目標(biāo)之間往往相互沖突。目前有很多自然啟發(fā)的算法來解決這個問題,如遺傳算法、粒子群優(yōu)化算法和基于P系統(tǒng)的優(yōu)化算法等。在這些方法中,因膜計算模型在解決優(yōu)化問題時能提供豐富的框架,基于P系統(tǒng)的優(yōu)化算法儼然成了當(dāng)前的研究熱點�；诖�,本文對膜計算進(jìn)行了深入的研究,提出了兩種在膜計算模型下的多目標(biāo)優(yōu)化算法：(1)提出了基于表層膜指導(dǎo)的低維多目標(biāo)膜優(yōu)化算法。膜計算作為自然計算的一個分支,在單目標(biāo)問題方面已經(jīng)取得了一定的研究成果,但是在多目標(biāo)問題上還有待挖掘。對于目前的基于膜計算模型的多目標(biāo)優(yōu)化算法中,很多算法都把表層膜作為一個歸檔,存儲搜索過程中的最優(yōu)解。但它們都忽略了利用表層膜存儲的最優(yōu)解來指導(dǎo)內(nèi)部膜種群的進(jìn)化。因此本文提出了一個有效的表層膜指導(dǎo)策略,利用表層膜保存的好的解來指導(dǎo)內(nèi)部膜種群的進(jìn)化,可以加速種群的收斂,并且這種策略同時考慮到種群的收斂性和分布性�；谠摬呗蕴岢鲆环N基于表層膜指導(dǎo)的多目標(biāo)膜優(yōu)化算法,簡稱SMG-MOMA。在多目標(biāo)測試問題ZDT和DTLZ上進(jìn)行仿真實驗,并與已有經(jīng)典的多目標(biāo)進(jìn)化算法和多目標(biāo)膜算法作比較,SMG-MOMA算法可以很好地收斂到真實的P areto前沿面,是一種有效的多目標(biāo)優(yōu)化算法。(2)提出了基于表層膜指導(dǎo)的高維多目標(biāo)膜算法。由于膜計算模型在解決優(yōu)化問題時能夠提供豐富的框架,使得其在多目標(biāo)優(yōu)化方面有獨特的優(yōu)勢。但是在目標(biāo)超過三個的多目標(biāo)優(yōu)化問題上,還沒有相關(guān)的膜算法來嘗試解決該問題。雖然SMG-MOMA算法證明了表層膜指導(dǎo)策略在種群進(jìn)化過程中起到了很大的作用。但隨著目標(biāo)的越來越多時,該指導(dǎo)策略無法進(jìn)行更有效的指導(dǎo)分配。所以,本文提出了一個更有效的表層膜指導(dǎo)分配策略,即在表層膜中設(shè)置兩個歸檔種群,一個用于保證收斂性,另一個用于保證分布性,分別對內(nèi)部膜種群進(jìn)行指導(dǎo)進(jìn)化。基于該策略本文提出了一種表層膜指導(dǎo)的高維多目標(biāo)優(yōu)化算法,簡稱SMG-MaOMA。在可擴(kuò)展的多目標(biāo)優(yōu)化問題DTLZ和WFG上進(jìn)行實驗,結(jié)果表明,SMG-MaOMA算法可以有效的處理高維多目標(biāo)優(yōu)化問題。
【關(guān)鍵詞】：多目標(biāo)優(yōu)化 膜計算 膜算法 遺傳操作 表層膜 歸檔
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要3-5
• Abstract5-12
• 第一章 緒論12-19
• 1.1 研究背景及意義12-13
• 1.2 膜計算概論13-15
• 1.3 國內(nèi)外研究現(xiàn)狀15-17
• 1.4 本文工作與安排17-19
• 第二章 多目標(biāo)優(yōu)化方法19-27
• 2.1 相關(guān)概念19-21
• 2.2 進(jìn)化多目標(biāo)優(yōu)化的經(jīng)典算法21-23
• 2.3 基于膜計算模型的多目標(biāo)優(yōu)化算法23-26
• 2.4 本章小結(jié)26-27
• 第三章 基于表層膜指導(dǎo)的低維多目標(biāo)膜算法27-44
• 3.1 算法思想27-28
• 3.2 表層膜指導(dǎo)的低維多目標(biāo)膜算法28-32
• 3.2.1 算法框架29
• 3.2.2 表層膜指導(dǎo)策略29-32
• 3.3 實驗與分析32-42
• 3.3.1 實驗設(shè)置32-33
• 3.3.2 實驗結(jié)果與分析33-42
• 3.4 本章小結(jié)42-44
• 第四章 基于表層膜指導(dǎo)的高維多目標(biāo)膜算法44-58
• 4.1 算法思想44-45
• 4.2 基于表層膜指導(dǎo)的高維多目標(biāo)膜算法45-47
• 4.2.1 算法框架45-46
• 4.2.2 表層膜指導(dǎo)策略46-47
• 4.3 實驗與分析47-56
• 4.3.1 實驗設(shè)置47-48
• 4.3.2 實驗結(jié)果與分析48-56
• 4.4 本章小結(jié)56-58
• 第五章 總結(jié)和展望58-60
• 5.1 工作總結(jié)58-59
• 5.2 未來展望59-60
• 參考文獻(xiàn)60-66
• 致謝66-67
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文67-68
• 攻讀碩士學(xué)位期間參加的科研項目68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

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

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

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

4 雍龍泉;;求解一類不可微多目標(biāo)優(yōu)化問題的社會認(rèn)知算法[J];計算機(jī)應(yīng)用研究;2010年11期

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

6 蓋玉權(quán);何昱;張宇燕;吳憲彬;萬海同;;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)化問題中約束處理方法綜述[J];現(xiàn)代計算機(jī)(專業(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];洛陽工學(xué)院學(xué)報;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

中國重要會議論文全文數(shù)據(jù)庫 前10條

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

2 羅亞中;;航天器軌跡多目標(biāo)優(yōu)化研究評述[A];The 5th 全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[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——提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學(xué)術(shù)年會論文集[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)年會提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學(xué)術(shù)年會論文集[C];2004年

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

6 賈小平;韓方煜;;多目標(biāo)優(yōu)化及其在過程工程中的應(yīng)用[A];過程系統(tǒng)工程2001年會論文集[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];第一屆全國安全科學(xué)理論研討會論文集[C];2007年

8 孫力;樊希山;姚平經(jīng);;化工過程多目標(biāo)優(yōu)化適宜解的模糊確定[A];第二屆全國傳遞過程學(xué)術(shù)研討會論文集[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’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];中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王晗丁;復(fù)雜問題的多目標(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)化及降維評價的方法研究[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;裝載與車輛路徑聯(lián)合多目標(biāo)優(yōu)化問題研究[D];大連理工大學(xué);2016年

6 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

7 蔣慶;地下水時空變化及監(jiān)測網(wǎng)多目標(biāo)優(yōu)化研究[D];華中科技大學(xué);2008年

8 陳瓊;演化多目標(biāo)優(yōu)化多樣性保持策略及其應(yīng)用研究[D];武漢理工大學(xué);2010年

9 陳小紅;基于進(jìn)化算法的高維多目標(biāo)優(yōu)化問題求解方法及應(yīng)用[D];深圳大學(xué);2015年

10 劉鎏;多目標(biāo)優(yōu)化進(jìn)化算法及應(yīng)用研究[D];天津大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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;基于藥效綜合評價的中藥組分配伍優(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[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：567285