發(fā)布時(shí)間：2017-09-03 08:27

  本文關(guān)鍵詞：基于雙重選擇機(jī)制和角度鄰域懲罰機(jī)制的多目標(biāo)進(jìn)化算法的研究

  更多相關(guān)文章： 多目標(biāo)優(yōu)化問題 多目標(biāo)優(yōu)化 多目標(biāo)分解 子問題選擇 競(jìng)爭(zhēng)性選擇 鄰域懲罰機(jī)制

【摘要】：相比單目標(biāo)優(yōu)化問題(SOPs),現(xiàn)實(shí)生活中,存在大量的非線性、高度復(fù)雜的工程問題,這些問題大多都是多目標(biāo)優(yōu)化問題(MOPs)。多目標(biāo)優(yōu)化問題具有多個(gè)需要同時(shí)優(yōu)化且相互沖突的目標(biāo)。而針對(duì)求解多目標(biāo)優(yōu)化問題所對(duì)應(yīng)的進(jìn)化算法,稱之為多目標(biāo)進(jìn)化算法(MOEA)。本文從基于分解的和基于Pareto支配的多目標(biāo)進(jìn)化算法入手,提出了下面兩個(gè)算法。針對(duì)基于分解的多目標(biāo)進(jìn)化算法(MOEA/D)的改進(jìn)算法MOEA/D-DRA中個(gè)體和子問題的匹配選擇問題,本文從分解方法的固有性質(zhì)出發(fā),理論上分析和論證其子問題性質(zhì),從而給出求解最優(yōu)子問題的具體方法；然后引入競(jìng)爭(zhēng)性選擇理論,利用競(jìng)爭(zhēng)性選擇機(jī)制加強(qiáng)子問題內(nèi)部和子問題之間個(gè)體的信息交流,從而促進(jìn)算法的收斂性和多樣性,最后提出了基于競(jìng)爭(zhēng)性選擇和子問題選擇的雙重選擇機(jī)制的多目標(biāo)分解進(jìn)化算法(MOEA/D-SS)。該算法從DTLZ1測(cè)試問題上,采用算法SPEAII獲取一組均勻權(quán)重向量,根據(jù)子問題固有信息以及競(jìng)爭(zhēng)性選擇過程,尋找適合個(gè)體的最優(yōu)子問題。將該算法與MOEA/D-DRA進(jìn)行對(duì)比試驗(yàn)表明,實(shí)驗(yàn)結(jié)果顯示,MOEA/D-SS在收斂性和分布性上都好于MOEA/D-DRA,證明了競(jìng)爭(zhēng)性選擇和子問題選擇機(jī)制提高了算法的性能。針對(duì)基于Pareto支配關(guān)系的多目標(biāo)進(jìn)化算法在處理高維問題時(shí)存在著選擇壓力小,早熟收斂等不足,提出了一種基于角度鄰域懲罰機(jī)制的多目標(biāo)進(jìn)化算法(ANPMEA)。首先,選擇一個(gè)離理想點(diǎn)最近的個(gè)體(精英個(gè)體)；其次,設(shè)計(jì)了一種基于向量夾角的鄰域形狀作為懲罰區(qū)域；最后,對(duì)精英個(gè)體鄰域內(nèi)的其它個(gè)體進(jìn)行懲罰,這樣將降低與該精英個(gè)體鄰近的個(gè)體進(jìn)入歸檔集的機(jī)會(huì),提高解集的多樣性。通過與NSGA-Ⅱ和其它兩個(gè)高維多目標(biāo)優(yōu)化算法(AR+DMO和AR+CD')進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,本文提出的基于角度鄰域懲罰機(jī)制的多目標(biāo)進(jìn)化算法在收斂性和分布性上都好于其它三個(gè)算法,且隨著維數(shù)越高效果越明顯。
【關(guān)鍵詞】：多目標(biāo)優(yōu)化問題 多目標(biāo)優(yōu)化 多目標(biāo)分解 子問題選擇 競(jìng)爭(zhēng)性選擇 鄰域懲罰機(jī)制
【學(xué)位授予單位】：湘潭大學(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
• ABSTRACT5-8
• 第1章 緒論8-16
• 1.1 多目標(biāo)優(yōu)化問題8-9
• 1.2 多目標(biāo)進(jìn)化算法9-12
• 1.2.1 多目標(biāo)進(jìn)化算法研究的重要意義10
• 1.2.2 多目標(biāo)進(jìn)化算法研究現(xiàn)狀10
• 1.2.3 多目標(biāo)進(jìn)化算法基本框架10-12
• 1.3 基于分解的多目標(biāo)進(jìn)化算法12-13
• 1.4 基于Pareto支配關(guān)系的多目標(biāo)進(jìn)化算法13-14
• 1.5 本文的工作14-15
• 1.6 論文的組織結(jié)構(gòu)15-16
• 第2章 基于分解的多目標(biāo)進(jìn)化算法16-21
• 2.1 權(quán)重聚合方法16-17
• 2.2 切比雪夫方法17
• 2.3 基于懲罰的邊界交叉方法17-18
• 2.4 MOEA/D基本框架18-21
• 第3章 基于雙重選擇機(jī)制的多目標(biāo)分解進(jìn)化算法21-39
• 3.1 引言21-22
• 3.2 子問題性質(zhì)分析與證明22-26
• 3.3 權(quán)重向量獲取方法26-27
• 3.4 MOEA/D-SS算法框架27-30
• 3.4.1 子問題選擇機(jī)制27-28
• 3.4.1.1 個(gè)體對(duì)應(yīng)子問題獲取方法27
• 3.4.1.2 最優(yōu)子問題求解方法27-28
• 3.4.2 競(jìng)爭(zhēng)性選擇機(jī)制28-30
• 3.4.2.1 局部競(jìng)爭(zhēng)性選擇28-29
• 3.4.2.2 異域競(jìng)爭(zhēng)性選擇29-30
• 3.4.3 MOEA/D-SS算法總框架30
• 3.5 對(duì)比實(shí)驗(yàn)與分析30-38
• 3.5.1 競(jìng)爭(zhēng)性選擇機(jī)制對(duì)算法的影響32-33
• 3.5.2 子問題選擇機(jī)制對(duì)算法的影響33
• 3.5.3 兩種選擇機(jī)制綜合對(duì)算法的影響33-38
• 3.5.3.1 ZDT和DTLZ系列測(cè)試函數(shù)對(duì)比試驗(yàn)33-34
• 3.5.3.2 CEC2009測(cè)試函數(shù)對(duì)比試驗(yàn)34-38
• 3.6 結(jié)論38-39
• 第4章 基于角度領(lǐng)域懲罰機(jī)制的多目標(biāo)進(jìn)化算法39-49
• 4.1 引言39
• 4.2 ANPMEA算法39-42
• 4.2.1 ANPMEA算法基本框架39-40
• 4.2.2 環(huán)境選擇40
• 4.2.3 角度領(lǐng)域懲罰機(jī)制40-42
• 4.3 實(shí)驗(yàn)結(jié)果與分析42-48
• 4.3.1 測(cè)試函數(shù)與評(píng)價(jià)指標(biāo)42-43
• 4.3.2 試驗(yàn)參數(shù)設(shè)置43
• 4.3.3 試驗(yàn)結(jié)果43-48
• 4.4 本章小結(jié)48-49
• 第五章 總結(jié)與展望49-51
• 參考文獻(xiàn)51-54
• 致謝54-55
• 附錄A 攻讀碩士學(xué)位期間參與的科研項(xiàng)目及科研成果55

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 關(guān)志華;多目標(biāo)進(jìn)化算法研究初步[J];石家莊經(jīng)濟(jì)學(xué)院學(xué)報(bào);2002年02期

2 張勇德,黃莎白;一種改進(jìn)的基于約束支配的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)工程;2004年16期

3 雷德明,吳智銘;基于個(gè)體密集距離的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)學(xué)報(bào);2005年08期

4 薛娟;鄭金華;李旭勇;;一種基于聚集距離的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年36期

5 馬清亮;胡昌華;;多目標(biāo)進(jìn)化算法及其在控制領(lǐng)域中的應(yīng)用綜述[J];控制與決策;2006年05期

6 唐歡容;蔣浩;鄭金華;;量子多目標(biāo)進(jìn)化算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年13期

7 林丹;丑英哲;李敏強(qiáng);;求解多目標(biāo)二層規(guī)劃的多目標(biāo)進(jìn)化算法[J];系統(tǒng)工程學(xué)報(bào);2007年02期

8 鄭向偉;劉弘;;多目標(biāo)進(jìn)化算法研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2007年07期

9 李密青;鄭金華;羅彪;伍軍;文詩(shī)華;;一種基于鄰域的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)應(yīng)用;2008年06期

10 汪文彬;鐘聲;;基于改進(jìn)擁擠距離的多目標(biāo)進(jìn)化算法[J];計(jì)算機(jī)工程;2009年09期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 孫海濤;熊鷹;韓峰;;基于多目標(biāo)進(jìn)化算法的艦船概念設(shè)計(jì)方法研究[A];第四屆全國(guó)船舶與海洋工程學(xué)術(shù)會(huì)議論文集[C];2009年

2 崔遜學(xué);;多目標(biāo)進(jìn)化算法的研究現(xiàn)狀與群體多樣性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

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

1 豐志偉;多目標(biāo)進(jìn)化算法研究及在飛行器動(dòng)力學(xué)系統(tǒng)中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 代才;基于分解的多目標(biāo)進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

3 申瑞珉;高維多目標(biāo)進(jìn)化算法及其軟件平臺(tái)研究[D];湘潭大學(xué);2015年

4 袁源;基于分解的多目標(biāo)進(jìn)化算法及其應(yīng)用[D];清華大學(xué);2015年

5 孟紅云;多目標(biāo)進(jìn)化算法及其應(yīng)用研究[D];西安電子科技大學(xué);2005年

6 黃林峰;多目標(biāo)進(jìn)化算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

7 郭秀萍;多目標(biāo)進(jìn)化算法及其在制造系統(tǒng)中的應(yīng)用研究[D];上海交通大學(xué);2007年

8 譚艷艷;幾種改進(jìn)的分解類多目標(biāo)進(jìn)化算法及其應(yīng)用[D];西安電子科技大學(xué);2013年

9 張明明;面向量子可逆邏輯自動(dòng)綜合的多目標(biāo)進(jìn)化算法研究[D];東華大學(xué);2010年

10 劉立衡;多目標(biāo)進(jìn)化算法的研究及其在負(fù)荷分配中的應(yīng)用[D];華北電力大學(xué)（北京）;2010年

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

1 吳坤安;基于分散策略的多目標(biāo)進(jìn)化算法研究[D];福建師范大學(xué);2015年

2 馬晨琳;基于分解的交互式偏好多目標(biāo)優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

3 喻果;基于分解的偏好多目標(biāo)進(jìn)化算法及其評(píng)價(jià)指標(biāo)的研究[D];湘潭大學(xué);2015年

4 李業(yè)興;基于外部集指引的自適應(yīng)多目標(biāo)進(jìn)化算法的研究[D];南京航空航天大學(xué);2015年

5 季洪霄;動(dòng)態(tài)約束多目標(biāo)進(jìn)化算法的研究與應(yīng)用[D];安徽理工大學(xué);2016年

6 李達(dá)統(tǒng);基于MapReduce與Spark的分布式多目標(biāo)進(jìn)化算法的設(shè)計(jì)與實(shí)現(xiàn)[D];華南理工大學(xué);2016年

7 齊吉;基于聚類的多目標(biāo)進(jìn)化算法及其在航跡規(guī)劃中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

8 李輝健;多目標(biāo)進(jìn)化算法中新型非支配個(gè)體排序研究及應(yīng)用[D];南京信息工程大學(xué);2016年

9 楊志翔;基于分解排序的多目標(biāo)進(jìn)化算法的研究[D];南京航空航天大學(xué);2016年

10 朱錚;面向指標(biāo)和邊界選擇的高維多目標(biāo)進(jìn)化算法的研究[D];湘潭大學(xué);2016年

，

本文編號(hào)：783931