發(fā)布時間：2020-12-17 04:12

　　多目標優(yōu)化問題是現(xiàn)實生活和生產(chǎn)實踐中常見的一類優(yōu)化問題。對求解多目標優(yōu)化問題的算法研究一直是學(xué)者們熱衷的領(lǐng)域。傳統(tǒng)的多目標優(yōu)化算法對于目標函數(shù)具有嚴格的限制,如連續(xù),可導(dǎo)等。這大大地限制了傳統(tǒng)多目標優(yōu)化算法的應(yīng)用范圍。隨著上世紀90年代進化算法的興起,該研究領(lǐng)域取得了重要的進展。多目標進化算法具有對目標函數(shù)要求低,智能性,隱并行性以及自適應(yīng)性的特點,并且運行一次就可以同時獲得一組Pareto最優(yōu)解。MOEA/D（Multi-objective Evolutionary Algorithm based on Decomposition）算法是近年提出的一類基于分解技術(shù)的多目標進化算法。由于其簡單并且優(yōu)越的性能,在眾多的多目標進化算法中脫穎而出。與其他的多目標進化算法相比,MOEA/D算法在連續(xù)的多目標優(yōu)化問題上具有優(yōu)勢,但是面對較難的和目標個數(shù)較多的多目標優(yōu)化問題仍然存在很大的挑戰(zhàn),如容易陷入局部最優(yōu),收斂速度慢等。本文著重圍繞MOEA/D算法的改進以及應(yīng)用兩方面進行了深入的研究,主要的創(chuàng)新性研究成果如下:①針對MOEA/D-DRA（MOEA/D with Dynamic Resourc... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：106 頁

【學(xué)位級別】：博士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 MOEA/D算法的研究現(xiàn)狀
        1.2.2 融合偏好的多目標進化算法研究現(xiàn)狀
        1.2.3 多序列比對的研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容及創(chuàng)新點
        1.3.1 本文的主要研究內(nèi)容
        1.3.2 本文的創(chuàng)新點
    1.4 論文組織結(jié)構(gòu)
2 基本背景知識的介紹
    2.1 引言
    2.2 多目標優(yōu)化問題的定義
    2.3 基于分解的多目標進化算法MOEA/D
    2.4 多序列比對
        2.4.1 多序列比對問題的定義
        2.4.2 相似度替換矩陣
        2.4.3 空位罰分
    2.5 測試函數(shù)
        2.5.1 ZDT測試函數(shù)集
        2.5.2 DTLZ測試函數(shù)集
        2.5.3 UF測試函數(shù)集
    2.6 多目標進化算法性能評價指標
        2.6.1 無偏好多目標進化算法的性能評價指標
        2.6.2 有偏好多目標進化算法的評價指標
    2.7 Wilcoxon秩和檢驗
    2.8 本章小結(jié)
3 一種基于新效用函數(shù)的動態(tài)資源分配的多目標進化算法
    3.1 引言
    3.2 MOEA/D-DRA算法概述與分析
        3.2.1 MOEA/D-DRA算法概述
        3.2.2 MOEA/D-DRA算法分析
    3.3 MOEA/D-DRA-NU算法
        3.3.1 新提出的效用函數(shù)
        3.3.2 MOEA/D-DRA-NU算法流程
    3.4 實驗研究
        3.4.1 測試函數(shù)
        3.4.2 測試算法的簡介
        3.4.3 參數(shù)設(shè)置
        3.4.4 MOEA/D-DRA-NU算法與MOEA/D-DRA,MOEA/D-DE算法比較
        3.4.5 MOEA/D-DRA-NU算法與最新提出多目標進化算法比較
    3.5 本章小結(jié)
4 改進的融合偏好的多目標進化算法
    4.1 引言
    4.2RMEAD算法概述與分析
        4.2.1 RMEAD算法概述
        4.2.2 RMEAD算法分析
    4.3 IRMEAD算法
        4.3.1 修改 1：估計基權(quán)重向量
        4.3.2 修改 2：權(quán)重向量初始化和更新
        4.3.3 IRMEAD算法描述
    4.4 實驗研究
        4.4.1 測試函數(shù)
        4.4.2 參數(shù)設(shè)置
        4.4.3 實驗結(jié)果與分析
    4.5 小結(jié)
5 基于分解的多目標進化算法在多序列比對中的應(yīng)用
    5.1 引言
    5.2 多序列比對問題建模
        5.2.1 WSPs評分函數(shù)
        5.2.2 一種新的多序列比對問題模型
    5.3 MOMSA算法：一種新的多序列比對方法
        5.3.1 算法思想
        5.3.2 MOMSA算法流程
    5.4 實驗研究
        5.4.1 測試數(shù)據(jù)集和評價指標
        5.4.2 參數(shù)設(shè)置
        5.4.3 MOMSA算法與VDGA和GAPAM的比較
        5.4.4 MOMSA算法與IMSA算法比較
        5.4.5 MOMSA算法與其他經(jīng)典算法比較
        5.4.6 MOMSA算法的魯棒性
    5.5 本章小結(jié)
6 總結(jié)
    6.1 主要結(jié)論
    6.2 后續(xù)研究工作的展望
致謝
參考文獻
附錄
    A. 作者在攻讀博士學(xué)位期間發(fā)表的論文：
    B. 作者在攻讀博士學(xué)位期間參與的科研項目：


【參考文獻】：
期刊論文
[1]基于雙極偏好占優(yōu)的陣列天線優(yōu)化方法[J]. 王麗萍,林思穎,邱飛岳.  計算機科學(xué). 2015(01)
[2]關(guān)于如何用角度信息引入決策者偏好的研究[J]. 鄭金華,謝諄志.  電子學(xué)報. 2014(11)
[3]基于雙極偏好占優(yōu)的高維目標進化算法[J]. 邱飛岳,吳裕市,邱啟倉,王麗萍.  軟件學(xué)報. 2013(03)
[4]基于雙極偏好占優(yōu)的多目標進化算法及其應(yīng)用[J]. 邱飛岳,吳裕市,王麗萍.  計算機集成制造系統(tǒng). 2012(12)
[5]超級矩陣構(gòu)樹方法研究進展[J]. 朱新宇,汪保華.  生物技術(shù). 2011(05)
[6]Dijkstra算法在蛋白質(zhì)序列比對中的研究[J]. 祁長紅,郁蕓,韓新煥.  計算機工程與應(yīng)用. 2012(24)
[7]基于置換距離度量的蛋白質(zhì)多序列比對算法性能評估[J]. 高峰,李防震,王珺,董騮煥.  中山大學(xué)學(xué)報(自然科學(xué)版). 2011(02)
[8]求解偏好多目標優(yōu)化的克隆選擇算法[J]. 楊咚咚,焦李成,公茂果,余航.  軟件學(xué)報. 2010(01)
[9]基于隱馬爾可夫模型和免疫粒子群優(yōu)化的多序列比對算法[J]. 葛宏偉,梁艷春.  計算機研究與發(fā)展. 2006(08)
[10]PHGA-COFFEE:多序列比對問題的并行混合遺傳算法求解[J]. 劉立芳,霍紅衛(wèi),王寶樹.  計算機學(xué)報. 2006(05)

博士論文
[1]生物序列分析算法硬件加速器關(guān)鍵技術(shù)研究[D]. 夏飛.國防科學(xué)技術(shù)大學(xué) 2011
[2]基于de Bruijin圖的DNA多序列比對并行算法研究[D]. 周紅.天津大學(xué) 2010
[3]多目標優(yōu)化進化算法及應(yīng)用研究[D]. 劉鎏.天津大學(xué) 2010
[4]生物信息學(xué)中多序列比對等算法的研究[D]. 張敏.大連理工大學(xué) 2005

碩士論文
[1]基于多偏好的高維目標進化算法研究及應(yīng)用[D]. 林思穎.浙江工業(yè)大學(xué) 2014
[2]基于雙極偏好占優(yōu)的高維目標進化算法研究及其應(yīng)用[D]. 吳裕市.浙江工業(yè)大學(xué) 2012
[3]量子遺傳算法及其在多序列比對問題中的應(yīng)用[D]. 謝巧孌.西安電子科技大學(xué) 2008
[4]基于量子遺傳算法和改進的免疫遺傳算法的多序列比對算法研究[D]. 宋曉亮.吉林大學(xué) 2007
[5]多序列比對的統(tǒng)計模型及算法[D]. 程力行.西安電子科技大學(xué) 2007
[6]基于A-Star和DiAlign算法的多序列比對[D]. 方義.西安電子科技大學(xué) 2007
[7]基于密碼子替代矩陣的序列比對[D]. 陳義群.華中科技大學(xué) 2006
[8]基于智能優(yōu)化與隱馬爾可夫模型的多序列比對算法研究[D]. 王璐.吉林大學(xué) 2006
[9]基于模擬退火的多序列比對算法的研究[D]. 明華.西安電子科技大學(xué) 2006
[10]基于進化算法和量子計算的多序列比對方法研究[D]. 林秋利.西安電子科技大學(xué) 2006



本文編號：2921390