基于锥形分解的进化约束优化研究

发布时间：2022-10-09 21:42

　　约束优化问题在实际工作生活中是十分常见的一类问题,相对于无约束优化问题,不仅仅要优化目标函数,还要让找到的解集满足约束条件。这类优化问题可以根据目标数进一步划分成约束单目标优化问题和约束多目标优化问题。约束多目标优化问题由于具有多个目标函数,更难以求解。同时,进化算法在求解无约束优化问题时能获得质量优异的解集,但需要额外的约束处理机制才能处理约束条件。约束优化问题由于具有各种复杂约束条件,只有平衡好目标函数和约束条件才能保证解集的质量,是当前进化计算领域的一个研究热点。目前大部分相关研究都没有合理地利用不可行解来引导可行解往目标值更优的方向搜索,一般都是将目标函数和约束条件分开处理,无法有效利用不可行解的信息,使得算法陷入局部最优。因此本文针对约束单目标优化问题,设计锥形分层约束处理技术;针对约束多目标优化问题,设计协作式锥形分层约束处理技术。并分别在这两个技术的基础上,提出约束单目标优化的约束分层差分进化算法（Constraint-Layering Differential Evolution Algorithm,CLDE）和约束多目标优化的协作约束分层多目标进化算法（Collabo... 

【文章页数】：105 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
英文缩略词
第一章 绪论
    1.2 国内外研究现状
        1.2.1 约束单目标进化算法研究现状
        1.2.2 约束多目标进化算法研究现状
    1.3 论文研究的主要内容
    1.4 论文的组织结构
第二章 约束优化相关技术概况
    2.1 约束优化问题
        2.1.1 约束单目标优化问题
        2.1.2 约束多目标优化问题
    2.2 单目标约束处理技术
        2.2.1 约束占优法
        2.2.2 惩罚函数法
        2.2.3 随机排序法
        2.2.4 约束容忍法
        2.2.5 二目标方法
    2.3 多目标进化算法及其约束处理技术
        2.3.1 多目标进化算法
        2.3.2 多目标约束处理技术
    2.4 本章小结
第三章 单目标进化算法的锥形分层约束处理技术
    3.1 双种群模型
    3.2 锥形分层约束处理技术
    3.3 约束容忍的比较规则
    3.4 单目标锥形分层更新和选择机制
        3.4.1 单目标锥形分层更新机制
        3.4.2 单目标锥形分层选择机制
    3.5 自适应DE算子选择机制
    3.6 CLDE算法流程
        3.6.1 主框架
        3.6.2 初始化阶段
        3.6.3 重组更新阶段
        3.6.4 算法复杂度分析
    3.7 实验设计与数据分析
        3.7.1 实验相关设置
        3.7.2 算法解集质量分析
        3.7.3 算法对比性能分析
    3.8 本章小结
第四章 多目标进化算法的协作式锥形分层约束处理技术
    4.1 目标的锥形分解策略
    4.2 约束的锥形分层策略
    4.3 基于占优的文档策略
    4.4 多目标锥形分层选择和更新机制
        4.4.1 多目标锥形分层选择机制
        4.4.2 多目标锥形分层更新机制
    4.5 CCLMOEA算法流程
        4.5.1 主框架
        4.5.2 初始化阶段
        4.5.3 选择阶段
        4.5.4 更新阶段
        4.5.5 算法复杂度分析
    4.6 实验设计与数据分析
        4.6.1 实验参数设置
        4.6.2 实验结果分析
    4.7 本章小结
第五章 实际工程问题上的应用
    5.1 单目标实际工程问题上的应用
        5.1.1 焊接梁设计问题
        5.1.2 减速器设计问题
        5.1.3 实验设置和分析
    5.2 多目标实际工程问题上的应用
        5.2.1 规划水源问题
        5.2.2 规划机床问题
        5.2.3 实验设置与分析
    5.3 本章小结
第六章 总结与展望
参考文献
附录
    附录1 实验环境
攻读硕士学位期间取得的研究成果
致谢
附表


【参考文献】：
期刊论文
[1]基于子目标进化的高维多目标优化算法[J]. 雷宇曜,姜文志,刘立佳,马向玲.  北京航空航天大学学报. 2015(10)
[2]差分演化算法各种更新策略的对比分析[J]. 刘琛,林盈,胡晓敏.  计算机科学与探索. 2013(11)
[3]高维多目标进化算法研究综述[J]. 孔维健,丁进良,柴天佑.  控制与决策. 2010(03)
[4]进化多目标优化算法研究[J]. 公茂果,焦李成,杨咚咚,马文萍.  软件学报. 2009(02)
[5]约束优化进化算法[J]. 王勇,蔡自兴,周育人,肖赤心.  软件学报. 2009(01)
[6]惩罚函数法在遗传算法处理约束问题中的应用[J]. 张晶,翟鹏程,张本源.  武汉理工大学学报. 2002(02)



本文编号：3689404