基于支配结构保持的超多目标降维算法研究

发布时间：2020-09-21 20:28

　　 随着经济的快速发展,许多企业对高质量、低成本、高安全性等多重矛盾的需求越来越高,从而需要考虑的目标(因素)越来越多.因此,研究四个以上冲突目标同时达到最优的优化问题即超多目标优化问题(many-objective optimization problems)十分重要.在一些实际应用中许多优化问题都含有冗余目标,目标降维方法通过分析目标间的关系,去除冗余目标,从而找到最少必要目标子集.目前,目标降维方法是解决超多目标优化问题的有效途径.本文提出了一种新的目标降维方法.首先提出了一种有效的目标冲突程度的度量准则,通过非支配解对所占比例,即σ指标衡量两个目标的冲突程度.基于支配程度矩阵的方法可以快速的计算σ指标.本文提出的冲突性度量准则考虑到了潜在的支配结构保持,能对目标之间的冲突程度给出一个有效的度量.在该准则的基础之上,本文应用特征选择技术提出了一种快速目标降维算法,该算法算法具有较低的计算复杂度.在DTLZ(I,M)的9个测试实例上,提出的算法与δ-MOSS算法,LPCA,NLMVUPCA算法比较,数值仿真结果表明了本文提出方法的有效性.另外,本文将目标降维问题转化为一个约束多目标优化问题,然后应用进化算法进行求解.第一个目标对应的是所选目标子集的规模,即降维后目标的数目;第二个目标对应的是本文提出的支配结构改变程度σ指标的值.由于在目标降维中,降维后的优化问题的解与原优化问题的解应该尽可能的保持一致,即解集的非支配关系应该尽可能地保持,因此支配结构改变程度σ指标的值不能太大.此外,该优化问题是一个对目标集进行选择的组合优化问题,组合优化问题对进化算法带来了极大的挑战.鉴于此,本文提出一种通过搜索邻域的局部搜索方法来提高算法的效率.最后将提出的基于带有局部搜索的约束进化算法的目标降维算法同δ-MOSS,k-EMOSS,FORA算法在常用测试函数DTLZ(I,M)上对比,仿真实验结果表明本文提出算法具有很好的性能.
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：O224
【部分图文】：

变支配结构的代价是合理的以至于不能超过某一具体的定值. 也就是函数值太大的解，所以只关注局部的把降维降维问题转化为一个带约束标数学模型表述如下:1 22min ( ) = ( ( ), ( ))s.t ( )g g gg x x xx结构大小的一个参数. 画出了候选解并且实心圆点表示问 Pareto 解，但由于支配结构的剧烈改们最优解偏向于区域 I 内.因此，本多目标目标降维问题.本章中认为支

中解对的数量,F ': ( x , y )| x , y X 果 中的目标向量是互不支配的, σ 取得大值 1. 因此，我们有' [0,1]F.' F的. 正如[40]中讨论， 的取值随着目标集大小和 通常是相互冲突的.解决带约束的双目标优化问题,用 0 1 mz 来代表双目标优化问题的候选第i个目标;反之 0iz ，排除相应目标集集为 1 2 3 4 5F f , f , f , f ,f ，下图中的二进子集 1 5F ' f ,f .

【相似文献】

相关期刊论文 前10条

1 郝建强,叶红;多边形布尔运算的降维算法[J];北京工商大学学报(自然科学版);2005年04期

2 杨玉平;向华;;对人脸识别特征数据降维算法的优化[J];重庆电子工程职业学院学报;2012年01期

3 陈绵书;付潍坊;宋瑜;李勇;;基于自适应局部保持映射的图像特征降维算法[J];吉林大学学报(信息科学版);2008年05期

4 申合帅;赵培勇;段宝娜;;混合约束非线性最优化问题的一个降维算法[J];山西师范大学学报(自然科学版);2015年03期

5 吴正寅;薛安荣;李明;;基于权值的局部保持半监督降维算法[J];计算机应用研究;2011年04期

6 李华;都思丹;鲁凡;高敦堂;;基于非线性降维算法的视频序列特征提取及图像重建[J];模式识别与人工智能;2006年05期

7 蒋巧勇;吕进;张文君;薛磊;;黄酒糖度近红外光谱降维算法的研究[J];中国计量学院学报;2015年01期

8 隋易洁;李峰;郝多虎;芮小平;陈民;;几种降维算法的研究及应用[J];科技视界;2016年16期

9 宋德华;姚莉秀;;基于流形保持的半监督局部排列降维算法[J];微型电脑应用;2013年05期

10 吴孟俊;刘建平;牛玉刚;;一种非线性降维算法在组合预测模型中的应用[J];计算机应用研究;2011年05期

相关会议论文 前7条

1 杨路;;不等式机器证明的降维算法与通用程序[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

2 张召;业宁;业巧林;;基于配对约束的核半监督非线性降维算法[A];第五届全国信息检索学术会议论文集[C];2009年

3 陈昆;李跃华;;基于谱聚类的非线性降维算法研究[A];第十一届全国博士生学术年会——信息技术与安全专题论文集[C];2013年

4 刘翠响;张艳;于明;赵卫萍;;基于非线性降维的人脸图像数据分析[A];2006中国控制与决策学术年会论文集[C];2006年

5 刘奇飞;;基于兴趣的微博用户关系分析原型系统研究[A];第31次全国计算机安全学术交流会论文集[C];2016年

6 张敏情;苏光伟;杨晓元;;保局投影在图像隐密检测中的应用[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

7 江晨;穆志纯;张保庆;张金;;基于学习字典的稀疏表示人耳识别方法[A];第25届中国控制与决策会议论文集[C];2013年

相关重要报纸文章 前1条

1 记者 常丽君;降维算法让脑神经大数据处理变简单[N];科技日报;2014年

相关博士学位论文 前10条

1 张田昊;数据降维算法研究及其应用[D];上海交通大学;2008年

2 张兴福;基于流形学习的局部降维算法研究[D];哈尔滨工程大学;2012年

3 王雷;基于全局统计与局部几何性质的数据降维算法研究[D];中国科学技术大学;2009年

4 何进荣;几何观点下的线性降维算法[D];武汉大学;2014年

5 高阳;高光谱数据降维算法研究[D];中国矿业大学;2013年

6 竺涛;快速与增量式数据降维算法研究[D];南京大学;2017年

7 姚超;降维算法和手写文字识别中若干问题研究[D];西安电子科技大学;2014年

8 冯昕宇;基于降维算法的结构可靠性研究[D];吉林大学;2017年

9 李勇;基于内容的图像检索技术研究[D];吉林大学;2009年

10 王彤;高维生物数据的分类与预测研究[D];上海交通大学;2009年

相关硕士学位论文 前10条

1 韩灵芝;基于支配结构保持的超多目标降维算法研究[D];广东工业大学;2019年

2 岳曜廷;蛋白质亚细胞定位中的特征表达与降维算法研究[D];云南大学;2018年

3 李文佳;基于局部特征表达和全局统计降维算法的蛋白质亚细胞定位研究[D];云南大学;2017年

4 李香元;基于密度缩放因子的ISOMAP降维算法及其应用[D];西北农林科技大学;2019年

5 冯康;面向可视化的视觉感知驱动的监督降维算法[D];山东大学;2018年

6 赵晓伟;基于邻接图学习的二维非监督型降维算法研究[D];西北大学;2018年

7 冯复标;基于图嵌入框架的高光谱图像降维算法研究[D];北京化工大学;2018年

8 梁雨;快速降维算法研究[D];南京大学;2018年

9 马玉莹;基于数据降维算法的模拟电路故障诊断应用研究[D];北方工业大学;2018年

10 梅清琳;基于重构信息保持的降维算法研究[D];山东师范大学;2017年

本文编号：2823954