面向不规则Pareto前沿的约束多目标进化算法的研究
发布时间：2021-08-15 10:33
现实世界中的优化问题通常包含多个优化目标以及复杂的约束条件,有效地处理约束多目标优化问题具有较高的理论和实际应用价值。一般地,约束条件可能会导致不规则的Pareto前沿。本文的主要研究内容包含为以下两部分:第一,基于现有多目标约束处理方法在一些复杂约束条件下的缺陷,提出了一种两阶段可行性搜索的约束多目标优化算法（C-TPEA）。不同于现有算法更关注可行性,C-TPEA旨在较好地平衡收敛性,多样性和可行性。具体如下:在第一阶段中,算法不考虑约束条件,直接在整个空间中进行搜索,工作种群因此能够穿越一些复杂的不可行区域,避免陷入局部最优。在第二阶段中,算法加入可行性的考量,工作种群也逐渐收敛到约束边界。为了避免此过程中种群多样性的丢失,C-TPEA使用了基于网格的约束分解框架（CDG）。此外,在约束边界附近,一些解不满足约束条件,但其本身却包含对搜索过程有帮助的信息,现有的多目标约束处理方法往往对其忽视。为了更好地利用这类解,C-TPEA维持了一个相关外部集合并让它们参与到搜索过程。最后,通过在多组测试问题上的实验分析,验证了C-TPEA在约束多目标优化问题上具有优异的性能。第二,为了更好地...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
注释表
缩略词
第一章 绪论
1.1 引言
1.2 研究进展
1.2.1 进化算法
1.2.2 约束处理方法
1.3 本文主要研究内容
1.4 论文结构
第二章 背景介绍
2.1 多目标优化问题
2.1.1 问题定义
2.1.2 相关定义
2.2 性能评价指标
2.3 多目标优化算法
2.3.1 经典优化算法
2.3.2 多目标进化算法
2.4 基于网格的约束分解框架
2.4.1 建立网格系统
2.4.2 基于网格的约束分解相关定义
2.5 测试问题集
2.5.1 DTLZ测试集
2.5.2 CTP测试集
2.5.3 LIR-CMOP测试集
2.6 本章小结
第三章 一种两阶段基于约束分解的约束多目标进化算法
3.1 引言
3.2 动机
3.3 约束处理方法
3.3.1 基于组合排序的选解方法
3.3.2 两阶段的可行性搜索
3.3.3 外部集的保存
3.3.4 分析
3.4 算法设计
3.4.1 算法框架
3.4.2 初始化
3.4.3 生成新解
3.4.4 更新理想点和极值点
3.4.5 更新网格系统
3.4.6 更新阈值ε
3.5 实验设置
3.5.1 测试问题
3.5.2 参数设置
3.6 实验结果与分析
3.6.1 在CTP等测试问题集上的表现
3.6.2 在CF测试问题集上的对比
3.6.3 在LIRCMOP问题上的表现
3.6.4 所采用约束处理方法的有效性
3.7 本章小结
第四章 基于自适应调整网格系统的多目标进化算法
4.1 引言
4.2 动机
4.3 自适应网格系统的设置
4.4 算法设计
4.4.1 算法框架
4.4.2 初始化
4.4.3 生成新解
4.4.4 更新
4.4.5 选择
4.4.6 不规则PF的检测
4.5 实验设置
4.5.1 测试问题
4.5.2 参数设置
4.6 实验结果与分析
4.6.1 在不连续PF问题上的实验
4.6.2 在退化PF问题上的实验
4.6.3 与最新的调整权重算法的对比
4.6.4 参数t的敏感性分析
4.7 碳纤维拉伸工艺的优化
4.7.1 问题介绍
4.7.2 实验设置
4.7.3 实验结果
4.8 本章小结
第五章 研究工作总结与未来展望
5.1 研究总结
5.2 研究展望
参考文献
致谢
在学期间的研究成果及学术论文情况
本文编号：3344375
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
注释表
缩略词
第一章 绪论
1.1 引言
1.2 研究进展
1.2.1 进化算法
1.2.2 约束处理方法
1.3 本文主要研究内容
1.4 论文结构
第二章 背景介绍
2.1 多目标优化问题
2.1.1 问题定义
2.1.2 相关定义
2.2 性能评价指标
2.3 多目标优化算法
2.3.1 经典优化算法
2.3.2 多目标进化算法
2.4 基于网格的约束分解框架
2.4.1 建立网格系统
2.4.2 基于网格的约束分解相关定义
2.5 测试问题集
2.5.1 DTLZ测试集
2.5.2 CTP测试集
2.5.3 LIR-CMOP测试集
2.6 本章小结
第三章 一种两阶段基于约束分解的约束多目标进化算法
3.1 引言
3.2 动机
3.3 约束处理方法
3.3.1 基于组合排序的选解方法
3.3.2 两阶段的可行性搜索
3.3.3 外部集的保存
3.3.4 分析
3.4 算法设计
3.4.1 算法框架
3.4.2 初始化
3.4.3 生成新解
3.4.4 更新理想点和极值点
3.4.5 更新网格系统
3.4.6 更新阈值ε
3.5 实验设置
3.5.1 测试问题
3.5.2 参数设置
3.6 实验结果与分析
3.6.1 在CTP等测试问题集上的表现
3.6.2 在CF测试问题集上的对比
3.6.3 在LIRCMOP问题上的表现
3.6.4 所采用约束处理方法的有效性
3.7 本章小结
第四章 基于自适应调整网格系统的多目标进化算法
4.1 引言
4.2 动机
4.3 自适应网格系统的设置
4.4 算法设计
4.4.1 算法框架
4.4.2 初始化
4.4.3 生成新解
4.4.4 更新
4.4.5 选择
4.4.6 不规则PF的检测
4.5 实验设置
4.5.1 测试问题
4.5.2 参数设置
4.6 实验结果与分析
4.6.1 在不连续PF问题上的实验
4.6.2 在退化PF问题上的实验
4.6.3 与最新的调整权重算法的对比
4.6.4 参数t的敏感性分析
4.7 碳纤维拉伸工艺的优化
4.7.1 问题介绍
4.7.2 实验设置
4.7.3 实验结果
4.8 本章小结
第五章 研究工作总结与未来展望
5.1 研究总结
5.2 研究展望
参考文献
致谢
在学期间的研究成果及学术论文情况
本文编号：3344375
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3344375.html
