多目標優(yōu)化問題在優(yōu)化領(lǐng)域中是難以解決的瓶頸問題。多目標進化算法是一類基于種群的自然啟發(fā)的隨機算法,具有單次運行可輸出問題解集的優(yōu)點,因此多目標進化算法蓬勃發(fā)展,已成為解決多目標優(yōu)化問題的主流算法�？墒�,復(fù)雜多目標優(yōu)化問題仍是多目標進化算法的挑戰(zhàn)。多目標優(yōu)化問題的復(fù)雜性源于兩個方面,即決策和目標空間的復(fù)雜性。決策變量間的關(guān)聯(lián)增加了問題困難程度,目標空間的高維度使得Pareto支配關(guān)系失效,以及目標空間內(nèi)的觀測噪聲誤導(dǎo)算法。針對以上兩類復(fù)雜問題,本文進行相關(guān)的探索,完成了具有國際同行認可的工作,主要研究成果有：1.針對決策空間復(fù)雜的多目標優(yōu)化問題,本文提出了一種基于方向向量的多目標協(xié)同進化算法。該算法將方向向量概念引入?yún)f(xié)同進化算法中,首先將整個種群根據(jù)目標空間上的初始方向向量將種群劃分成若干子群,個體根據(jù)其方向向量分配所屬子群,然后通過子群間的協(xié)同互動求解問題,最后,在欠開發(fā)地區(qū)內(nèi)搜索增加多樣性。實驗結(jié)果表明,該算法對于此類問題在收斂性、多樣性和均勻性上相比于已有算法具有一定優(yōu)勢。2.多目標優(yōu)化問題中決策變量和目標函數(shù)間具有復(fù)雜的映射關(guān)系。通常,一決策變量對不同目標函數(shù)的影響不同。因此,這...

【文章頁數(shù)】：167 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 多目標優(yōu)化問題
    1.2 多目標進化算法簡介
        1.2.1 基于Pareto的多目標進化算法
        1.2.2 基于指標的多目標進化算法
        1.2.3 基于分解的多目標進化算法
    1.3 多目標進化算法的評價測度
        1.3.1 收斂性
        1.3.2 多樣性
        1.3.3 均勻性
        1.3.4 混合型
    1.4 研究難點及現(xiàn)狀
        1.4.1 決策空間復(fù)雜的多目標優(yōu)化問題
        1.4.2 目標空間復(fù)雜的多目標優(yōu)化問題
    1.5 本文主要工作與結(jié)構(gòu)安排
第二章 基于方向向量的多目標協(xié)同進化算法
    2.1 引言
    2.2 方向向量
    2.3 基于方向向量的多目標協(xié)同進化算法
        2.3.1 子群劃分
        2.3.2 適應(yīng)度分配
        2.3.3 競爭算子
        2.3.4 合作算子
        2.3.5 外部集啟發(fā)式搜索
        2.3.6 算法結(jié)構(gòu)
        2.3.7 本章算法與MOEA/D對比分析
    2.4 算法有效性驗證與結(jié)果分析
        2.4.1 參數(shù)設(shè)置
        2.4.2 對比實驗
    2.5 本章小結(jié)
第三章 基于決策空間維數(shù)約減的密母局部搜索策略
    3.1 引言
    3.2 決策子空間
    3.3 決策空間可約減的多目標優(yōu)化問題
        3.3.1 決策空間可嚴格約減的多目標優(yōu)化問題
        3.3.2 決策空間可弱約減的多目標優(yōu)化問題
        3.3.3 約減率
    3.4 基于決策空間維數(shù)約減的密母局部搜索策略
        3.4.1 基本框架
        3.4.2 關(guān)系分析方法
        3.4.3 密母局部搜索策略
        3.4.4 可移植性
    3.5 算法有效性驗證與結(jié)果分析
        3.5.1 參數(shù)分析
        3.5.2 兩種密母局部搜索策略分析實驗
        3.5.3 對比實驗
    3.6 本章小結(jié)
第四章 基于角解優(yōu)先的高維多目標非支配排序方法
    4.1 引言
    4.2 相關(guān)背景
        4.2.1 角解
        4.2.2 相關(guān)方法
    4.3 基于角解優(yōu)先的非支配排序方法
        4.3.1 基本框架
        4.3.2 排序方法
        4.3.3 高維多目標優(yōu)化問題的優(yōu)勢
    4.4 算法有效性驗證與結(jié)果分析
        4.4.1 云數(shù)據(jù)
        4.4.2 固定前端數(shù)據(jù)
        4.4.3 混合數(shù)據(jù)
        4.4.4 實際數(shù)據(jù)
        4.4.5 討論與分析
    4.5 本章小結(jié)
第五章 基于非線性相關(guān)信息熵測度的目標約減方法
    5.1 引言
    5.2 矛盾與冗余目標
    5.3 非線性相關(guān)信息熵
    5.4 基于非線性相關(guān)信息熵測度的目標約減方法
        5.4.1 基本框架
        5.4.2 相關(guān)性分析方法
        5.4.3 目標選擇與分類方法
    5.5 實驗結(jié)果與分析
        5.5.1 算法分析
        5.5.2 對比實驗
    5.6 本章小結(jié)
第六章 一種雙檔案高維多目標進化算法
    6.1 引言
    6.2 檔案算法簡介
        6.2.1 基本框架
        6.2.2 優(yōu)點與缺點
    6.3 一種雙檔案高維多目標進化算法
        6.3.1 基本框架
        6.3.2 收斂性檔案選擇方法
        6.3.3 多樣性檔案選擇方法
    6.4 算法有效性驗證與結(jié)果分析
        6.4.1 算法分析
        6.4.2 對比實驗
    6.5 本章小結(jié)
第七章 重要區(qū)域優(yōu)先的最底點估計方法
    7.1 引言
    7.2 相關(guān)定義
    7.3 重要區(qū)域優(yōu)先的最底點估計方法
        7.3.1 重要區(qū)域定義
        7.3.2 基本框架
        7.3.3 算法細節(jié)
    7.4 算法有效性驗證與結(jié)果分析
        7.4.1 自適應(yīng)ε-刪除策略實驗
        7.4.2 運算量和精確度實驗
        7.4.3 移植性實驗
    7.5 本章小結(jié)
第八章 含噪多目標優(yōu)化問題的正則模型
    8.1 引言
    8.2 正則模型簡介
    8.3 正則模型的去噪能力分析
    8.4 含噪多目標優(yōu)化問題的正則模型
        8.4.1 模型構(gòu)建
        8.4.2 采樣方法
        8.4.3 模型嵌入方法
    8.5 算法有效性驗證與結(jié)果分析
        8.5.1 算法分析
        8.5.2 對比實驗
    8.6 本章小結(jié)
第九章 總結(jié)與展望
參考文獻
致謝
作者簡介



本文編號：3842356