本文關(guān)鍵詞：基于外部集指引的自適應多目標進化算法的研究

  更多相關(guān)文章： 進化計算 多目標優(yōu)化 非支配排序 分解思想 混合思想 自適應指引

【摘要】：現(xiàn)實世界中存在許多的多目標優(yōu)化問題,即需要同時對多個相互沖突的目標進行優(yōu)化。多目標優(yōu)化問題存在一組表示目標間權(quán)衡信息的解的集合。進化算法是一類通過模擬自然界生物進化過程而建立起來的智能優(yōu)化算法。比起傳統(tǒng)的確定性算法,進化算法在解決復雜的NP難問題更具有優(yōu)勢。本文主要從多目標進化算法的最新研究成果出發(fā),提出了一種基于外部集指導的自適應多目標進化算法,用來求解多目標優(yōu)化問題。具體來說,本文的研究工作包含以下幾個部分:1、對已有的多目標進化算法進行分類、分析和比較,重點闡述了基于分解的和基于非支配排序的多目標進化算法,分析它們的工作機制以及優(yōu)缺點。2、提出了一種基于外部集的混合多目標進化算法的新框架。將框架采用了兩個集合:一個為工作集,另一個為外部集。并將基于分解的和非支配排序的進化算法分別作用于兩個集合。比較實驗顯示了該混合算法比單一使用算法具有更好的性能。3、本文進一步提出了一種基于外部集指引的自適應多目標進化算法,即通過外部集中獲取的信息反饋給工作集,用于指引工作集的搜索方向。算法具有兩個集合,其中,工作集保證了搜索的收斂性以及多樣性;而外部集自適應地指導著計算資源合理有效地分配到每一個子問題,從而進一步提高算法的效率。本文將提出的自適應混合算法應用于標準測試問題中;與其它的多目標進化算法的對比實驗表明,提出的算法具有更好的性能。同時,本文對算法的各個組成部分的作用也進行了實驗分析和比較。
【關(guān)鍵詞】：進化計算 多目標優(yōu)化 非支配排序 分解思想 混合思想 自適應指引
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 縮略詞11-12
• 第一章 緒論12-18
• 1.1 研究背景12-15
• 1.1.1 進化計算概述13
• 1.1.2 多目標優(yōu)化問題概述13-14
• 1.1.3 多目標優(yōu)化相關(guān)概念14-15
• 1.2 研究進展15-16
• 1.3 本文主要研究內(nèi)容16-17
• 1.4 本文各章節(jié)組織安排17-18
• 第二章 多目標進化算法簡述18-30
• 2.1 多目標進化算法分類18-19
• 2.2 基于帕里托非支配排序的多目標進化算法(NSGA-II)19-22
• 2.2.1 算法概述19-20
• 2.2.2 精英策略20
• 2.2.3 算法實現(xiàn)20-22
• 2.3 基于分解的多目標進化算法(MOEA/D)22-25
• 2.3.1 算法概述22-23
• 2.3.2 分解策略23
• 2.3.3 算法實現(xiàn)23-25
• 2.3.4 算法特點25
• 2.4 性能度量指標與測試問題25-30
• 2.4.1 性能度量指標25-27
• 2.4.2 測試問題27-30
• 第三章 基于支配與基于分解的混合多目標優(yōu)進化算法30-44
• 3.1 引言30-31
• 3.2 動機31-32
• 3.3 混合多目標進化算法32-34
• 3.3.1 總體框架32-33
• 3.3.2 詳細描述33-34
• 3.4 實驗設計與結(jié)果分析34-41
• 3.4.1 實驗設計34-36
• 3.4.2 實驗結(jié)果36-37
• 3.4.3 性能分析37-41
• 3.5 連續(xù)標準測試函數(shù)實驗41-42
• 3.5.1 結(jié)果分析42
• 3.6 本章小結(jié)42-44
• 第四章 基于外部集指引的自適應多目標進化算法44-62
• 4.1 引言44-45
• 4.2 動機45-47
• 4.3 基于外部集指引的自適應多目標進化算法47-50
• 4.3.1 總體框架47-49
• 4.3.2 詳細描述49-50
• 4.4 實驗設計與結(jié)果分析50-59
• 4.4.1 實驗設計50-51
• 4.4.2 EAG-MOEA/D與經(jīng)典算法的對比51-54
• 4.4.3 自適應機制的作用分析54-55
• 4.4.4 外部集的作用分析55-59
• 4.5 連續(xù)標準測試函數(shù)實驗59-61
• 4.5.1 結(jié)果分析60-61
• 4.6 總結(jié)61-62
• 第五章 研究工作總結(jié)和未來展望62-64
• 5.1 研究總結(jié)62
• 5.2 研究展望62-64
• 參考文獻64-69
• 致謝69-70
• 在學期間的研究成果及發(fā)表的學術(shù)論文70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 關(guān)志華;多目標進化算法研究初步[J];石家莊經(jīng)濟學院學報;2002年02期

2 張勇德,黃莎白;一種改進的基于約束支配的多目標進化算法[J];計算機工程;2004年16期

3 雷德明,吳智銘;基于個體密集距離的多目標進化算法[J];計算機學報;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進化算法[J];計算機工程與應用;2005年36期

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

6 唐歡容;蔣浩;鄭金華;;量子多目標進化算法研究[J];計算機工程與應用;2007年13期

7 林丹;丑英哲;李敏強;;求解多目標二層規(guī)劃的多目標進化算法[J];系統(tǒng)工程學報;2007年02期

8 鄭向偉;劉弘;;多目標進化算法研究進展[J];計算機科學;2007年07期

9 李密青;鄭金華;羅彪;伍軍;文詩華;;一種基于鄰域的多目標進化算法[J];計算機應用;2008年06期

10 汪文彬;鐘聲;;基于改進擁擠距離的多目標進化算法[J];計算機工程;2009年09期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 孫海濤;熊鷹;韓峰;;基于多目標進化算法的艦船概念設計方法研究[A];第四屆全國船舶與海洋工程學術(shù)會議論文集[C];2009年

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

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 豐志偉;多目標進化算法研究及在飛行器動力學系統(tǒng)中的應用[D];國防科學技術(shù)大學;2014年

2 代才;基于分解的多目標進化算法研究[D];西安電子科技大學;2014年

3 申瑞珉;高維多目標進化算法及其軟件平臺研究[D];湘潭大學;2015年

4 孟紅云;多目標進化算法及其應用研究[D];西安電子科技大學;2005年

5 黃林峰;多目標進化算法研究[D];中國科學技術(shù)大學;2009年

6 郭秀萍;多目標進化算法及其在制造系統(tǒng)中的應用研究[D];上海交通大學;2007年

7 譚艷艷;幾種改進的分解類多目標進化算法及其應用[D];西安電子科技大學;2013年

8 張明明;面向量子可逆邏輯自動綜合的多目標進化算法研究[D];東華大學;2010年

9 劉立衡;多目標進化算法的研究及其在負荷分配中的應用[D];華北電力大學（北京）;2010年

10 師瑞峰;多目標進化算法研究及其在生產(chǎn)排序中的應用[D];北京航空航天大學;2006年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 吳坤安;基于分散策略的多目標進化算法研究[D];福建師范大學;2015年

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

3 喻果;基于分解的偏好多目標進化算法及其評價指標的研究[D];湘潭大學;2015年

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

5 文詩華;多目標進化算法中變異算子的研究[D];湘潭大學;2009年

6 孫艷平;帶約束的多目標進化算法及其營養(yǎng)膳食模型的研究[D];河南工業(yè)大學;2010年

7 李旭勇;多目標進化算法中分布度評價方法的研究[D];湘潭大學;2005年

8 薛娟;多目標進化算法中非均勻問題的研究[D];湘潭大學;2005年

9 左婷婷;基于擂臺賽法則和聚集密度的多目標進化算法的研究與應用[D];安徽理工大學;2012年

10 張雯;漸進交互式多目標進化算法在垃圾處理站選址中的應用[D];浙江工業(yè)大學;2013年

，

本文編號：708652