多目标进化算法及其在测试性设计中的应用研究

发布时间：2023-03-23 03:54

　　在大型系统故障诊断测试性设计问题领域当中,随着日益增长的系统复杂性,测试性设计的需求也越来越复杂,比如单操作模式测试性设计演变成多操作模式测试性设计、单目标优化问题提升为多目标优化问题等等。如何高效、准确的进行测试性设计,是当前待需解决的问题,本文针对当前测试性设计的需求,设计出了分组综合多目标进化算法。在多目标进化算法研究领域当中,已经有很多优秀的算法产生,如何对其进行改进达到更好的效果,是当前研究的热点,本文利用基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)特定方向搜索的特性,结合非支配解排序遗传算法II型(Non-dominated Sorting Genetic Algorithm III,NSGA-III)型算法,设计出三段式系统级多目标进化算法。本文首先介绍了测试性设计领域以及多目标进化算法领域研究背景以及发展现状。介绍了当前多目标进化算法的难题和发展瓶颈,例如针对高维多目标优化问题时,存在支配规则失效、时间复杂度过高、种群可视化难以做到等问题。介绍了多操作...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 多目标优化问题的研究现状
        1.2.1 多目标进化算法的发展历史
        1.2.2 多目标进化算法的存在的问题
    1.3 多操作模式测试性设计的研究现状
    1.4 论文内容与组织结构
        1.4.1 论文主要内容
        1.4.2 论文结构安排
第二章 多目标进化算法研究
    2.1 多目标优化问题及PARETO概念
    2.2 几种多目标进化算法
        2.2.1 非精英机制多目标进化算法
        2.2.2 精英机制算法
        2.2.3 非支配解排序遗传算法III型
        2.2.4 几种算法的综合评价
    2.3 种群质量评测标准
    2.4 本章小结
第三章 多目标优化算法在测试优选中的应用
    3.1 多操作模式测试性设计问题
    3.2 NSGA-III在多操作模式测试性设计中的应用
        3.2.1 种群初始化
        3.2.2 交叉变异策略
        3.2.3 精英库策略
    3.3 分组综合多目标进化算法在多操作模式测试性设计中的应用
    3.4 实验结果展示与对比
    3.5 本章小结
第四章 多目标优化算法的一种改进
    4.1 算法改进动机与原理
    4.2 一种三段式系统级多测试性指标优化设计方法
    4.3 实验结果展示与对比
    4.4 本章小结
第五章 软件实现
    5.1 软件整体设计与实现
    5.2 软件界面设计
    5.3 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 研究展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3768228