多目標(biāo)優(yōu)化問(wèn)題（Multi-Objective Optimization Problems,MOOPs）,區(qū)別于以往只包含單個(gè)目標(biāo)的優(yōu)化問(wèn)題,求解該類問(wèn)題所得到的不是單一的最優(yōu)值,而是一組各目標(biāo)間相互權(quán)衡取舍后的折衷解。這使得傳統(tǒng)用于解決優(yōu)化問(wèn)題的技術(shù)如數(shù)學(xué)規(guī)劃,梯度下降等方法很難在解決此類問(wèn)題上取得較好的效果。對(duì)于多目標(biāo)優(yōu)化問(wèn)題特別是水庫(kù)多目標(biāo)優(yōu)化調(diào)度問(wèn)題,基于群智能（Swarm Intelligence,SI）的多目標(biāo)優(yōu)化算法以其在沒(méi)有先驗(yàn)信息的前提下,通過(guò)單次運(yùn)算就可以得到一組折衷解的良好特性,成為了解決多目標(biāo)優(yōu)化問(wèn)題的首選方式。但受限于其較為簡(jiǎn)單的排序篩選機(jī)制,該類方法在應(yīng)對(duì)具有復(fù)雜特性的問(wèn)題時(shí)很難取得較好的結(jié)果。此外,隨著技術(shù)設(shè)備的不斷更新,需求的不斷提升,現(xiàn)實(shí)中的多目標(biāo)優(yōu)化問(wèn)題規(guī)模也在不斷提升,情況也日趨復(fù)雜,這使得現(xiàn)實(shí)問(wèn)題中包含的目標(biāo)數(shù)也不再局限于兩個(gè)或三個(gè),該類問(wèn)題被稱為高維多目標(biāo)優(yōu)化問(wèn)題（Many Objective Optimization Problems,MaOPs）。對(duì)于高維多目標(biāo)優(yōu)化問(wèn)題,隨著目標(biāo)數(shù)的急劇攀升,空間內(nèi)充斥著大量相互無(wú)法支配的個(gè)體,而傳統(tǒng)的多目... 

【文章頁(yè)數(shù)】：160 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
縮略詞表
第一章 緒論
    1.1 研究背景與意義
    1.2 多目標(biāo)優(yōu)化研究進(jìn)展
        1.2.1 多目標(biāo)優(yōu)化問(wèn)題概述
        1.2.2 多目標(biāo)進(jìn)化算法研究進(jìn)展
    1.3 多目標(biāo)進(jìn)化算法評(píng)價(jià)測(cè)度
        1.3.1 測(cè)試函數(shù)
        1.3.2 評(píng)價(jià)指標(biāo)
    1.4 水庫(kù)多目標(biāo)優(yōu)化研究進(jìn)展
        1.4.1 水庫(kù)多目標(biāo)模型研究進(jìn)展
        1.4.2 水庫(kù)多目標(biāo)算法研究進(jìn)展
    1.5 研究難點(diǎn)與存在問(wèn)題
    1.6 本文工作與結(jié)構(gòu)安排
第二章 基于反向?qū)W習(xí)的多目標(biāo)飛蛾算法
    2.1 引言
    2.2 算法設(shè)計(jì)與實(shí)現(xiàn)
        2.2.1 基于反向?qū)W習(xí)的初始化方法
        2.2.2 飛蛾優(yōu)化算子設(shè)計(jì)
        2.2.3 外部檔案集維護(hù)設(shè)計(jì)
        2.2.4 算法復(fù)雜度分析
        2.2.5 算法流程
    2.3 算法驗(yàn)證與性能分析
        2.3.1 參數(shù)設(shè)置
        2.3.2 評(píng)價(jià)測(cè)度設(shè)置
        2.3.3 性能驗(yàn)證與分析
        2.3.4 進(jìn)化趨勢(shì)分析
    2.4 本章小結(jié)
第三章 基于網(wǎng)格排序機(jī)制的多目標(biāo)鯨魚算法
    3.1 引言
    3.2 算法設(shè)計(jì)與構(gòu)建
        3.2.1 MOWOA算法初始化設(shè)計(jì)
        3.2.2 鯨魚優(yōu)化算子設(shè)計(jì)
        3.2.3 基于網(wǎng)格的排序機(jī)制設(shè)計(jì)
        3.2.4 外部檔案集維護(hù)設(shè)計(jì)
        3.2.5 算法復(fù)雜度分析
        3.2.6 算法流程
    3.3 算法驗(yàn)證
        3.3.1 參數(shù)設(shè)定
        3.3.2 評(píng)價(jià)測(cè)度設(shè)定
        3.3.3 結(jié)果分析
    3.4 算法分析
        3.4.1 算法性能分析
        3.4.2 算法參數(shù)分析
        3.4.3 機(jī)制通用性分析
    3.5 本章小結(jié)
第四章 基于自適應(yīng)聚類的高維多目標(biāo)進(jìn)化算法
    4.1 引言
    4.2 算法設(shè)計(jì)與實(shí)現(xiàn)
        4.2.1 算法初始化設(shè)計(jì)
        4.2.2 子代生成
        4.2.3 環(huán)境選擇
        4.2.4 算法復(fù)雜度分析
    4.3 算法驗(yàn)證
        4.3.1 測(cè)試問(wèn)題設(shè)置
        4.3.2 評(píng)價(jià)指標(biāo)設(shè)定
        4.3.3 算法參數(shù)設(shè)定
        4.3.4 結(jié)果與分析
    4.4 算法分析
        4.4.1 與當(dāng)前MaOEAs異同性分析
        4.4.2 自適應(yīng)聚類機(jī)制分析
        4.4.3 混合距離篩選機(jī)制分析
        4.4.4 超高維多目標(biāo)優(yōu)化分析
    4.5 本章小結(jié)
第五章 算法收斂性分析
    5.1 引言
    5.2 多目標(biāo)進(jìn)化算法收斂性分析
    5.3 基于排序的多目標(biāo)進(jìn)化算法收斂性分析
    5.4 高維多目標(biāo)進(jìn)化算法收斂性分析
    5.5 本章小結(jié)
第六章 水庫(kù)多目標(biāo)優(yōu)化調(diào)度應(yīng)用研究
    6.1 引言
    6.2 問(wèn)題目標(biāo)設(shè)計(jì)
        6.2.1 以發(fā)電量最大作為為目標(biāo)
        6.2.2 以灌溉缺水最少作為為目標(biāo)
        6.2.3 以生態(tài)缺水最少作為為目標(biāo)
        6.2.4 以工業(yè)缺水最少作為為目標(biāo)
        6.2.5 約束條件
    6.3 流域模型搭建
        6.3.1 流域?qū)崨r
        6.3.2 模型建立
    6.4 模型優(yōu)化求解
        6.4.1 算法參數(shù)設(shè)定與約束處理
        6.4.2 算法具體實(shí)施流程
        6.4.3 調(diào)度結(jié)果分析
    6.5 相關(guān)系統(tǒng)構(gòu)建
    6.6 本章小結(jié)
第七章 結(jié)論與展望
    7.1 結(jié)論
    7.2 展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 參與的科研項(xiàng)目
    4 獲獎(jiǎng)情況
    5 專利與軟件著作權(quán)
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于結(jié)構(gòu)方程模型的水庫(kù)多目標(biāo)互饋關(guān)系研究[J]. 王麗萍,閻曉冉,馬皓宇,李寧寧,俞洪杰,紀(jì)昌明.  水力發(fā)電學(xué)報(bào). 2019(10)
[2]基于AquaCrop和NSGA-Ⅱ的灌溉制度多目標(biāo)優(yōu)化及其應(yīng)用[J]. 宋健,李江,楊奇鶴,毛曉敏,楊健,王凱.  水利學(xué)報(bào). 2018(10)
[3]基于水庫(kù)-河道耦合關(guān)系的水庫(kù)水沙聯(lián)合調(diào)度模型研究與應(yīng)用[J]. 談廣鳴,郜國(guó)明,王遠(yuǎn)見(jiàn),李新杰.  水利學(xué)報(bào). 2018(07)
[4]基于混合量子粒子群算法的梯級(jí)水電站群調(diào)度[J]. 夏燕,馮仲愷,牛文靜,覃暉,蔣志強(qiáng),周建中.  水力發(fā)電學(xué)報(bào). 2018(11)
[5]考慮河流生態(tài)保護(hù)的水電站水庫(kù)優(yōu)化調(diào)度研究[J]. 方國(guó)華,丁紫玉,黃顯峰,戴靈輝.  水力發(fā)電學(xué)報(bào). 2018(07)
[6]基于改進(jìn)花粉算法的梯級(jí)水電站多目標(biāo)優(yōu)化[J]. 江方利,湛洋,劉剛,黃煒斌,馬光文.  水力發(fā)電. 2018(01)
[7]基于網(wǎng)格排序的多目標(biāo)粒子群優(yōu)化算法[J]. 李笠,王萬(wàn)良,徐新黎,李偉琨.  計(jì)算機(jī)研究與發(fā)展. 2017(05)
[8]改進(jìn)多目標(biāo)布谷鳥算法的梯級(jí)水電站優(yōu)化調(diào)度[J]. 楊曉萍,黃瑜珈,黃強(qiáng).  水力發(fā)電學(xué)報(bào). 2017(03)
[9]基于改進(jìn)NSGA-Ⅱ的黃河下游水庫(kù)多目標(biāo)調(diào)度研究[J]. 王學(xué)斌,暢建霞,孟雪姣,王義民.  水利學(xué)報(bào). 2017(02)
[10]梯級(jí)小水電群動(dòng)態(tài)多目標(biāo)優(yōu)化調(diào)度[J]. 王萬(wàn)良,張羽方,徐新黎,李笠.  浙江工業(yè)大學(xué)學(xué)報(bào). 2016(06)

博士論文
[1]黑河干流梯級(jí)水電站水庫(kù)多目標(biāo)優(yōu)化調(diào)度研究[D]. 趙夢(mèng)龍.西安理工大學(xué) 2019
[2]基于排序策略的多目標(biāo)粒子群優(yōu)化：研究與應(yīng)用[D]. 李笠.浙江工業(yè)大學(xué) 2017

碩士論文
[1]小水電群生態(tài)智能調(diào)度算法研究與系統(tǒng)開發(fā)[D]. 任沁.浙江工業(yè)大學(xué) 2016
[2]考慮生態(tài)因素的小水電優(yōu)化調(diào)度算法研究[D]. 李笠.浙江工業(yè)大學(xué) 2014
[3]烏江梯級(jí)水電站水庫(kù)群短期發(fā)電優(yōu)化調(diào)度系統(tǒng)研究[D]. 李亮.西安理工大學(xué) 2006



本文編號(hào)：3693498