本文關(guān)鍵詞：基于Pareto支配的高維多目標(biāo)進(jìn)化算法研究

  更多相關(guān)文章： 高維多目標(biāo)優(yōu)化問題 進(jìn)化算法 Pareto支配 聚類 約束支配

【摘要】：在現(xiàn)實(shí)生活中,許多應(yīng)用涉及到多個(gè)目標(biāo)同時(shí)求優(yōu)的問題,這些問題被稱為多目標(biāo)優(yōu)化問題。進(jìn)化算法憑借著其較好的收斂性和多樣性被廣泛應(yīng)用在多目標(biāo)優(yōu)化問題中,這些多目標(biāo)優(yōu)化問題通常涉及2到3個(gè)目標(biāo)。然而現(xiàn)實(shí)生活中的多目標(biāo)優(yōu)化問題往往超過三個(gè)目標(biāo)(即高維的多目標(biāo)優(yōu)化問題),常用的基于Pareto支配的進(jìn)化算法在處理該類問題時(shí)卻面臨著Pareto支配的無效性、Pareto分層排序的耗時(shí)性和收斂性與多樣性不平衡等難題。且實(shí)際生活中的問題也常會(huì)涉及到一些約束限制,使得有約束條件的高維多目標(biāo)優(yōu)化問題也成為學(xué)者們待解決的難題。本文旨在對(duì)基于Pareto支配的進(jìn)化算法進(jìn)行改進(jìn)來處理無約束條件和有約束條件的高維多目標(biāo)優(yōu)化問題。本文主要工作概述如下：(1)首先針對(duì)基于Pareto支配的進(jìn)化算法在處理高維多目標(biāo)問題時(shí)收斂性與多樣性不平衡和計(jì)算時(shí)間復(fù)雜度高的問題,我們提出了多樣性優(yōu)先的維持策略。與通常運(yùn)用收斂性優(yōu)先的方法不同,本文方法首先通過將目標(biāo)空間分割成均勻相等的子空間來維持種群的多樣性,然后在每個(gè)子空間中選擇收斂性較好的個(gè)體來維持種群的收斂性。該方法能較好的識(shí)別經(jīng)Pareto分層排序后在稍高層上收斂性和多樣性都較好的個(gè)體。(2)其次針對(duì)Pareto支配關(guān)系在高維目標(biāo)空間上的無效性和一般聚類方法對(duì)多樣性較好收斂性很差的個(gè)體的偏好性,我們引入了兩層聚類和兩層排序方法。兩層聚類方法首先對(duì)非劣個(gè)體進(jìn)行聚類,并由非劣個(gè)體引導(dǎo)受支配個(gè)體的聚類來識(shí)別收斂性和多樣性不平衡的個(gè)體。然后根據(jù)個(gè)體的收斂性和多樣性信息將每類中的非劣個(gè)體和受支配個(gè)體進(jìn)行排序來維持種群的收斂性和多樣性。最后通過對(duì)該方法的時(shí)間復(fù)雜度分析和在13個(gè)測(cè)試問題上的應(yīng)用驗(yàn)證了我們的方法在求得較好收斂性和多樣性解集的同時(shí)能夠獲得較低的時(shí)間復(fù)雜度。(3)最后針對(duì)約束處理機(jī)制對(duì)可行解和擁有較低約束違背度解的偏好性,提出一種基于約束支配自適應(yīng)選擇機(jī)制的高維多目標(biāo)約束進(jìn)化算法。該方法根據(jù)種群中不可行解的比例隨迭代次數(shù)的變化將約束處理分為三種情況,并自適應(yīng)的選擇一種約束機(jī)制。通過在3類不同的約束高維多目標(biāo)優(yōu)化問題的測(cè)試說明了我們的算法能夠很好的處理不同約束條件的問題并獲得較好收斂性和多樣性的解集。
【關(guān)鍵詞】：高維多目標(biāo)優(yōu)化問題 進(jìn)化算法 Pareto支配 聚類 約束支配
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 進(jìn)化算法研究現(xiàn)狀10-13
• 1.2.1 多目標(biāo)進(jìn)化算法研究現(xiàn)狀10-11
• 1.2.2 高維多目標(biāo)進(jìn)化算法研究現(xiàn)狀11-13
• 1.2.3 約束的多目標(biāo)進(jìn)化算法研究現(xiàn)狀13
• 1.3 本文主要工作13-14
• 1.4 本文結(jié)構(gòu)安排14-15
• 2 多目標(biāo)進(jìn)化算法綜述15-22
• 2.1 多目標(biāo)進(jìn)化算法15-19
• 2.1.1 多目標(biāo)進(jìn)化算法的相關(guān)概念15-16
• 2.1.2 多目標(biāo)進(jìn)化算法模型16
• 2.1.3 交叉算子16-17
• 2.1.4 變異算子17-19
• 2.1.5 環(huán)境選擇19
• 2.2 多目標(biāo)進(jìn)化算法性能指標(biāo)19-21
• 2.2.1 收斂性性能指標(biāo)20
• 2.2.2 多樣性性能指標(biāo)20-21
• 2.2.3 綜合性能指標(biāo)21
• 2.3 本章小結(jié)21-22
• 3 基于聚類的高維多目標(biāo)進(jìn)化算法22-45
• 3.1 NSGA2算法概述22-23
• 3.2 基于聚類的高維多目標(biāo)進(jìn)化算法23-31
• 3.2.1 基于聚類的高維多目標(biāo)進(jìn)化算法框架24-25
• 3.2.2 種群初始化過程25
• 3.2.3 參考點(diǎn)生成方法25
• 3.2.4 遺傳操作25-26
• 3.2.5 標(biāo)準(zhǔn)化操作26
• 3.2.6 兩層聚類方法26-29
• 3.2.7 基于聚類的環(huán)境選擇機(jī)制29-30
• 3.2.8 時(shí)間復(fù)雜度分析30-31
• 3.3 實(shí)驗(yàn)結(jié)果與分析31-43
• 3.3.1 測(cè)試問題集31-32
• 3.3.2 實(shí)驗(yàn)設(shè)置及性能指標(biāo)32-33
• 3.3.3 實(shí)驗(yàn)結(jié)果與分析33-42
• 3.3.4 討論42-43
• 3.4 本章小結(jié)43-45
• 4 基于約束支配自適應(yīng)選擇機(jī)制的高維多目標(biāo)進(jìn)化算法45-62
• 4.1 約束處理方法概述45-47
• 4.1.1 自適應(yīng)懲罰法46-47
• 4.1.2 可行解優(yōu)先法47
• 4.1.3 支配法47
• 4.2 約束支配自適應(yīng)選擇機(jī)制47-52
• 4.2.1 不可行域向可行域的進(jìn)化49-50
• 4.2.2 可行解優(yōu)先法50-52
• 4.2.3 無約束環(huán)境選擇法52
• 4.3 實(shí)驗(yàn)結(jié)果與分析52-61
• 4.3.1 測(cè)試問題集52-54
• 4.3.2 實(shí)驗(yàn)設(shè)置與性能指標(biāo)54-55
• 4.3.3 實(shí)驗(yàn)結(jié)果與分析55-59
• 4.3.4 討論59-61
• 4.4 本章小結(jié)61-62
• 5 總結(jié)與展望62-64
• 5.1 本文內(nèi)容總結(jié)62
• 5.2 未來工作展望62-64
• 參考文獻(xiàn)64-69
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況69-70
• 致謝70-71

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 曾三友;蔡振華;張青;康立山;;一種評(píng)估近似Pareto前沿多樣性的方法[J];軟件學(xué)報(bào);2008年06期

2 周瑾;謝唯;;綜合使用序列分析和Pareto圖對(duì)工序集合的截取(英文)[J];上海第二工業(yè)大學(xué)學(xué)報(bào);2008年03期

3 ;Design of high performance multilayer microwave absorbers using fast Pareto genetic algorithm[J];Science in China(Series E:Technological Sciences);2009年09期

4 蔡瑞;齊佳音;;基于改進(jìn)的Pareto/NBD模型預(yù)測(cè)博客用戶在線行為[J];統(tǒng)計(jì)與信息論壇;2013年06期

5 張崗?fù)?姜曉兵;王書振;;網(wǎng)絡(luò)最大流Pareto擴(kuò)充研究[J];電子科技大學(xué)學(xué)報(bào);2006年01期

6 董紅斌;黃厚寬;何軍;侯薇;穆成坡;;一種混合策略的Pareto演化規(guī)劃[J];模式識(shí)別與人工智能;2006年06期

7 周秀玲;孫承意;;Pareto-MEC算法及其收斂性分析[J];計(jì)算機(jī)工程;2007年10期

8 宋冠英;李海楠;鄒玉靜;;一種基于Pareto解集的無約束條件的多目標(biāo)粒子群算法[J];機(jī)械工程師;2008年05期

9 陶媛;吳耿鋒;胡珉;;基于Pareto的多目標(biāo)進(jìn)化免疫算法[J];計(jì)算機(jī)應(yīng)用研究;2009年05期

10 ;Diversity of Pareto front: A multiobjective genetic algorithm based on dominating information[J];Journal of Control Theory and Applications;2010年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 ;A Pareto-Based Differential Evolution Algorithm for Multi-objective Optimization Problems[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 周秀玲;孫承意;;Pareto-MEC算法的收斂性分析[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

3 ;Multiobjective Optimization with Competitive Coevolutionary Genetic Algorithms[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

4 ;Study on New Coordination Mechanisms of Generalized Supply Chains with Loss-averse Agents[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

5 樊鐵成;馬孜;;Pareto前沿在航線優(yōu)化中的應(yīng)用[A];第16屆中國(guó)過程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

6 徐安察;湯銀才;;Pareto分布下屏蔽數(shù)據(jù)的貝葉斯統(tǒng)計(jì)分析及其應(yīng)用[A];技術(shù)融合創(chuàng)新·可靠服務(wù)企業(yè)·安全產(chǎn)品制勝——2013年全國(guó)機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨第四屆可靠性工程分會(huì)第五次全體委員大會(huì)論文集[C];2013年

7 陳銀美;石連栓;;一種改進(jìn)的求解均勻分布Pareto解集的多目標(biāo)遺傳算法[A];中國(guó)運(yùn)籌學(xué)會(huì)第十屆學(xué)術(shù)交流會(huì)論文集[C];2010年

8 韓松;魏權(quán)齡;;非參數(shù)DEA模型最優(yōu)解的(弱)Pareto性質(zhì)研究[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（上卷）[C];2004年

9 樊鐵成;馬孜;羅勛杰;;Pareto遺傳算法在集裝箱配載優(yōu)化中的應(yīng)用[A];第二十四屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2005年

10 呂萍;李晴;宋吟秋;;考慮運(yùn)營(yíng)成本的公路Pareto有效BOT合同[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A02管理科學(xué)[C];2014年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 楊蘊(yùn);多目標(biāo)進(jìn)化算法及其在地下水優(yōu)化管理中的應(yīng)用研究[D];南京大學(xué);2012年

2 耿志超;Pareto優(yōu)化排序問題研究[D];鄭州大學(xué);2016年

3 安彤;VMI模式下供應(yīng)鏈的Pareto改進(jìn)研究[D];天津大學(xué);2011年

4 Deogratias NURWAHA;[D];東華大學(xué);2013年

5 陳泯融;基于極值動(dòng)力學(xué)的優(yōu)化方法及其應(yīng)用研究[D];上海交通大學(xué);2008年

6 邢宇飛;復(fù)雜產(chǎn)品拆卸序列規(guī)劃技術(shù)研究[D];東北大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 范超;基于Pareto蟻群算法的MVB周期輪詢表設(shè)計(jì)問題研究[D];大連理工大學(xué);2015年

2 丁沖沖;基于Pareto多目標(biāo)人工蜂群算法的Web服務(wù)組合優(yōu)化研究[D];南京財(cái)經(jīng)大學(xué);2014年

3 羅強(qiáng);基于OMD工藝的薄膜成型仿真優(yōu)化比較與6Sigma評(píng)估[D];華東交通大學(xué);2016年

4 胡揚(yáng);多目標(biāo)拆卸線平衡問題的Pareto細(xì)菌覓食優(yōu)化與仿真分析[D];西南交通大學(xué);2016年

5 張韋佳;基于Pareto熵的多目標(biāo)萬有引力優(yōu)化算法的研究與應(yīng)用[D];華北電力大學(xué)(北京);2016年

6 陳莎;多目標(biāo)群體博弈中的完美平衡與本質(zhì)平衡的研究[D];貴州大學(xué);2016年

7 韓紅艷;基于Pareto支配的高維多目標(biāo)進(jìn)化算法研究[D];大連理工大學(xué);2016年

8 劉媚;混合Pareto分布的統(tǒng)計(jì)分析[D];華東師范大學(xué);2009年

9 夏凌;基于Pareto邊界的多目標(biāo)調(diào)度研究[D];上海交通大學(xué);2008年

10 南新艷;廣義Pareto分布[D];華東師范大學(xué);2005年

，

本文編號(hào)：737931