基于量子行为的多目标粒子群优化算法的研究及其应用

发布时间：2021-04-22 21:19

　　粒子群优化算法（PSO）作为一种高效的群体智能算法,凭借其快速的收敛速度和良好的收敛精度,被广泛用于解决各种不同的优化问题。近年来,大量的研究与改进使得粒子群优化算法在处理单目标优化问题（SOPs）时表现出卓越的性能。但由于多目标优化问题（MOPs）具有较高的复杂性,且传统的粒子群优化算法的搜索方式随机性和智能性较低,随着目标数和决策变量维数的增加,算法的性能会急剧降低。微观世界粒子的运动规律——量子行为具有很强的不确定性,有利于提高算法的寻有能力。因此,本文将量子行为引入多目标粒子群优化算法（MOPSO）,提出两种改进算法分别用于解决多目标函数优化问题和基因选择问题。本文的主要工作如下:（1）针对传统多目标粒子群优化算法在处理复杂多目标优化问题时多样性和收敛性较差的缺陷,提出一种基于双重搜索和循环迁移机制的多目标量子行为粒子群优化算法（MOQPSO-DSCT）。首先,提出一种双重搜索策略来取代量子行为粒子群优化算法单一的搜索模式,使粒子在进化前期主要向它们的个体最优位置学习,而在进化后期主要向全局最优位置学习,平衡了种群的探索与开发能力,提升了解集的多样性;其次,为了避免粒子在进行局... 

【文章来源】：江苏大学江苏省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状与分析
    1.3 本文研究思路及研究内容
    1.4 本文章节安排
第二章 相关研究基础
    2.1 多目标优化的相关理论
    2.2 粒子群优化算法
        2.2.1 标准粒子群优化算法
        2.2.2 量子行为粒子群优化算法
        2.2.3 二进制量子行为粒子群优化算法
        2.2.4 多目标粒子群优化算法
    2.3 反向学习
    2.4 迁移机制
    2.5 拥挤距离机制
    2.6 本章小结
第三章 基于双重搜索和循环迁移机制的多目标量子行为粒子群优化算法
    3.1 引言
    3.2 基于双重搜索和循环迁移机制的多目标量子行为粒子群优化算法（MOQPSO-DSCT）
        3.2.1 基于OBL的双重搜索策略
        3.2.2 循环迁移机制
        3.2.3 MOQPSO-DSCT算法的步骤
        3.2.4 MOQPSO-DSCT算法的时间复杂度
    3.3 实验结果与讨论
        3.3.1 测试函数和参数设置
        3.3.2 IGD分析
        3.3.3 解集多样性的比较
        3.3.4 参数讨论
    3.4 本章小结
第四章 基于决策偏好的二进制MOQPSO-DSCT算法及其在基因表达谱上的应用
    4.1 引言
    4.2 基于决策偏好的二进制MOQPSO-DSCT算法（PAG-MOBQPSO-DSCT）
        4.2.1 基于加权法的决策偏好网格
        4.2.2 PAG-MOBQPSO-DSCT算法的流程
    4.3 PAG-MOBQPSO-DSCT算法在基因表达谱上的应用
        4.3.1 基因表达谱数据
        4.3.2 基因选择的常用方法
        4.3.3 极限学习机
        4.3.4 基因类别灵敏度信息
        4.3.5 基于基因灵敏度信息和PAG-MOBQPSO-DSCT算法的基因选择方法
    4.4 实验结果讨论与分析
        4.4.1 实验数据集及参数设置
        4.4.2 实验结果分析
        4.4.3 所选基因子集的生物功能分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文与参与的科研项目


【参考文献】：
期刊论文
[1]基于角度惩罚距离精英选择策略的偏好高维目标优化算法[J]. 王丽萍,章鸣雷,邱飞岳,江波.  计算机学报. 2018(01)
[2]基于分解和差分进化的多目标粒子群优化算法[J]. 李飞,刘建昌,石怀涛,傅梓瑛.  控制与决策. 2017(03)
[3]应用精英反向学习的多目标烟花爆炸算法[J]. 谢承旺,许雷,赵怀瑞,夏学文,魏波.  电子学报. 2016(05)
[4]基于折射原理反向学习模型的改进粒子群算法[J]. 邵鹏,吴志健,周炫余,邓长寿.  电子学报. 2015(11)
[5]具有偏序属性的偏爱Pareto占优关系[J]. 曾三友,秦莎,李长河,张青,丁立新.  计算机学报. 2014(09)
[6]基于Pareto熵的多目标粒子群优化算法[J]. 胡旺,Gary G. YEN,张鑫.  软件学报. 2014(05)
[7]基于QPSO和拥挤距离排序的多目标量子粒子群优化算法[J]. 施展,陈庆伟.  控制与决策. 2011(04)
[8]基于量子行为特性粒子群和自适应网格的多目标优化算法[J]. 施展,陈庆伟.  信息与控制. 2011(02)
[9]一种二进制编码的量子粒子群优化算法[J]. 奚茂龙,孙俊,吴勇.  控制与决策. 2010(01)
[10]基于多目标EDA的特征基因选择[J]. 叶奇明,罗飞,刘娟.  计算机应用研究. 2009(08)

博士论文
[1]多目标粒子群优化算法的全局搜索策略研究[D]. 王宇嘉.上海交通大学 2008
[2]若干投资组合优化问题模型及算法的研究[D]. 马孝先.山东师范大学 2007

硕士论文
[1]基于打分准则和微粒群算法的基因选择方法研究[D]. 唐迪.江苏大学 2017



本文编号：3154487