演化算法停机条件研究

发布时间：2023-04-30 05:18

　　利用演化算法解决实际问题已经成为一个重要的研究领域。在演化算法中,算法的停机条件是影响算法有效性的关键因素之一。若过早停机,则算法难以找到近似最优解;反之,若停机过晚,则算法会浪费大量计算资源。但是当没有可用的梯度信息时,通常不可能检查是否正式收敛或者检测是否达到最优标准。通过设置最大迭代次数或最大评估次数来确定算法是否停机的传统停机条件,需要事先对所求解问题和所用算法有深入的理解,因此难以适用于实际工程优化问题求解。本文主要研究内容包括:(1)分类总结了现有的演化算法停机条件,提供了演化算法在过去几十年关于停机条件研究的总结框图,从指标体系和停止决策两个方面对现有的演化算法停机条件进行了详细的分类介绍;(2)对六种比较流行的演化算法在线停机条件进行了分析和总结,分别在经典单目标算法、多目标演化算法以及测试函数上进行了实验,设计了能够客观评价停机条件效果的定量化指标,对实验结果做了简要分析并总结了各停机条件的适用范围、稳定性及优劣;(3)为解决在线停机条件的计算资源消耗问题,将在线停机条件与曲线拟合以及回归预测相结合,提出了基于预测的在线停机条件框架。本文通过实验验证了当演化算法停机条...

【文章页数】：109 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 研究内容
    1.4 本文的组织结构
第二章 演化算法相关基础
    2.1 演化算法
        2.1.1 背景介绍
        2.1.2 基本原理
        2.1.3 经典演化算法
    2.2 小结
第三章 演化算法停机条件总结与分析
    3.1 停机条件
        3.1.1 停机条件概念
        3.1.2 经典停机条件
    3.2 现有的停机条件总结
        3.2.1 指标分类介绍
        3.2.2 现有的指标分析
        3.2.3 停止准则分类介绍
        3.2.4 现有的停止准则分析
    3.3 小结
第四章 演化算法在线停机条件对比分析
    4.1 算法介绍
        4.1.1 算法背景
        4.1.2 启发式在线停机条件
        4.1.3 算法框架
    4.2 单目标优化实验对比分析
        4.2.1 实验设计
        4.2.2 实验结果
        4.2.3 评估指标设计
        4.2.4 实验分析
    4.3 多目标优化实验对比分析
        4.3.1 实验设计
        4.3.2 实验结果
        4.3.3 评估指标设计
        4.3.4 实验分析
    4.4 小结
第五章 基于预测的多目标演化算法在线停机条件
    5.1 基本思想
    5.2 算法介绍
        5.2.1 相关知识
        5.2.2 基本算法流程
    5.3 基于预测的多目标算法停机条件设计
        5.3.1 实验设计
        5.3.2 实验结果
        5.3.3 实验分析
    5.4 其它数据拟合模型
        5.4.1 高斯曲线拟合
        5.4.2 傅里叶曲线拟合
    5.5 小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来展望
参考文献
在校期间发表的学术论文
致谢



本文编号：3806501