隨著科學技術的飛速發(fā)展,在科學研究和工程應用等眾多領域中涌現(xiàn)出大量多目標優(yōu)化問題,而在這些多目標優(yōu)化問題中,存在一類問題具有以下特性:在決策空間具有多個最優(yōu)解集,同時,這些最優(yōu)解集在目標空間中映射的向量相同;我們稱這類優(yōu)化問題為多模態(tài)多目標優(yōu)化問題,而多模態(tài)多目標進化算法是有效解決多模態(tài)多目標優(yōu)化問題的關鍵,因此如何構建簡單高效的多模態(tài)多目標優(yōu)化算法已成為優(yōu)化研究領域的關鍵課題。針對多模態(tài)多目標優(yōu)化問題,本文提出了一種基于自組織物種形成的多目標粒子群算法（SS-MOPSO）,所提算法在粒子群算法的框架下對種群個體進行優(yōu)化,該算法通過采用一種自組織物種形成的小生境方法對種群進行自動劃分,用于發(fā)現(xiàn)優(yōu)化問題的帕累托最優(yōu)解,同時引入特殊擁擠距離技術來保留所發(fā)現(xiàn)的帕累托最優(yōu)解,相較于其他形成子種群的方法（拓撲結構、SOM等）,該算法通過歐式距離判斷種群個體間相似性大小,充分利用種群內個體信息,能夠正確識別種群鄰域,形成的子種群較為精確,且互不重疊;其次,所提出的自組織物種形成方法與原始物種形成的小生境方法相比,所提算法的時間復雜度只與物種種子個數(shù)有關,而原始物種方法不僅與種子個數(shù)相關,也與種群內... 

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究的背景和意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 多目標優(yōu)化算法研究現(xiàn)狀
        1.2.2 多模態(tài)優(yōu)化算法研究現(xiàn)狀
        1.2.3 多模態(tài)多目標算法研究現(xiàn)狀
    1.3 本文研究內容
    1.4 本文組織結構
2 基于自組織物種形成的多目標粒子群算法
    2.1 粒子群優(yōu)化算法
    2.2 物種形成的小生境技術
    2.3 特殊擁擠距離
    2.4 自組織物種形成機制
    2.5 基于自組織物種形成的多目標粒子群算法介紹
    2.6 本章小結
3 基于自組織物種形成的粒子群算法求解多模態(tài)多目標問題
    3.1 多模態(tài)多目標優(yōu)化問題描述
    3.2 實驗測試
        3.2.1 測試函數(shù)
        3.2.2 評價指標
        3.2.3 對比算法及實驗參數(shù)設定
    3.3 實驗結果分析
        3.3.1 SS-MOPSO和對比算法在測試問題上的比較分析
        3.3.2 種群大小的參數(shù)討論
        3.3.3 半徑大小的參數(shù)討論
    3.4 本章小結
4 基于自組織物種形成的多目標粒子群算法的應用
    4.1 實際問題模型描述
    4.2 實驗設置
    4.3 實驗結果
    4.4 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
參考文獻
附錄 A:碩士研究生階段發(fā)表論文
致謝


【參考文獻】：
期刊論文
[1]基于人群密度的最優(yōu)路徑規(guī)劃算法研究[J]. 李建東,萬旺根.  電子測量技術. 2020(02)
[2]自適應多策略花朵授粉算法[J]. 瞿博陽,李國森,焦岳超,柴旭朝,閆李.  計算機工程與設計. 2020(02)
[3]基于多學習多目標鴿群優(yōu)化的動態(tài)環(huán)境經濟調度[J]. 閆李,李超,柴旭朝,瞿博陽.  鄭州大學學報(工學版). 2019(04)
[4]A self-organizing multimodal multi-objective pigeon-inspired optimization algorithm[J]. Yi HU,Jie WANG,Jing LIANG,Kunjie YU,Hui SONG,Qianqian GUO,Caitong YUE,Yanli WANG.  Science China（Information Sciences）. 2019(07)
[5]多模態(tài)多目標差分進化算法求解非線性方程組[J]. 許偉偉,梁靜,岳彩通,瞿博陽.  計算機應用研究. 2019(05)
[6]基于馮諾依曼拓撲結構的骨干粒子群優(yōu)化算法[J]. 王明慧,戴月明,田娜,王艷.  計算機工程與科學. 2017(08)
[7]基于量子位實數(shù)編碼的優(yōu)化算法及軋制規(guī)程多目標優(yōu)化[J]. 張宇獻,李松,李勇,王建輝.  儀器儀表學報. 2014(11)

博士論文
[1]數(shù)據(jù)驅動的動態(tài)路徑優(yōu)化和停車誘導模型與算法[D]. 楊珍珍.北京交通大學 2019

碩士論文
[1]基于自適應小生境文化基因算法的數(shù)據(jù)聚類[D]. 王璽.浙江工業(yè)大學 2019
[2]基于粒子群改進算法的生物網絡建模與優(yōu)化研究[D]. 姚琴琴.浙江大學 2017
[3]環(huán)形拓撲的形態(tài)演變與設計策略[D]. 褚雅楠.天津大學 2016
[4]基于進化算法的多目標優(yōu)化算法及應用研究[D]. 劉楠楠.南京航空航天大學 2010
[5]受膜計算啟發(fā)的優(yōu)化算法研究[D]. 付杰.浙江大學 2010



本文編號：3671120