锥形分解多目标进化算法的约束处理技术研究

发布时间：2020-12-19 12:43

　　约束多目标优化问题广泛存在于科学研究和工程实践领域,这类问题往往需要同时优化的目标不只一个,且由于受到各种环境因素的影响需要满足一定的约束条件,当目标数大于等于4时,称之为约束高维目标优化问题。随着目标数的增加,现有的多目标进化算法会面临一些挑战性问题,这些问题会影响种群的收敛性和分布性,同时急剧增加算法的计算量。由于约束条件的存在,算法需要合理地处理进化过程中产生的不可行解,才能越过不可行区域从而收敛到全局最优。分解型进化算法和占优型算法相比有明显的计算效率优势,一经提出便广受关注,近年来许多高维目标进化算法都借鉴了分解的思想来维持种群的多样性。然而在求解约束高维目标优化问题时,现有的以MOEA/D为代表的纯分解型多目标进化算法存在的一些缺陷会影响种群的收敛性和分布性,对约束条件的处理也不够合理。因此,本文提出基于锥形分解的约束高维目标进化算法,不仅将多目标优化问题分解成一系列单目标优化子问题,还将子问题的目标和约束构成的二维空间划分成一系列约束子层,将具有不同约束违反程度的个体关联到不同约束子层,从而同时合理地利用了可行个体和不可行个体的有效信息帮助种群进化,更加有效且高效地处理约... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

C1-DTLZ1测试问题示意图

图 2-1 C1-DTLZ1 测试问题示意图 图 2-2 C1-DTLZ3 测试问题示意图.1.2 断裂型断裂型约束问题通过在帕累托前沿上引入一部分不可行区域，原先连续的前沿被不可行区域分割成多个非连续的前沿片段。这类问题检验的是算法处理非连续前沿的能力，需要算法有较强的全局搜索能力，能够全面地搜索可行域和不可行域，避入局部最优陷阱。同时，也需要算法能够合理地平衡约束条件和目标值，如果过分约束条件，则当种群只收敛到其中一个前沿片段时，算法对该前沿片段周围的不可域的搜索不够充分，无法越过不可行区域搜索到其它前沿片段，最终导致无法跳脱部最优陷阱而收敛到完整的前沿；如果过分强调目标值，则大量的可行解会被不可替换，算法对可行区域的搜索不够充分，最终导致算法无法收敛到可行域。本文通过在 DTLZ2[43]和 Convex DTLZ2[11]测试问题的基础上增加约束条件，实个断裂型约束问题，分别标识为 C2-DTLZ2 和 Convex C2-DTLZ2。如图2-3所示，

第二章 约束多目标优化相关技术概况而将原本连续的帕累托前沿一分为二。增加的约束条件如下所示：c(x) =i=1m(fi(x) λ)2 r2≥0 (2中，λ =1mmi=1fi(x)，m ={3, 5, 8, 10, 15}时 r ={0.225, 0.225, 0.26, 0.26, 0.27}。文所有的模拟实验中，对于 m 目标的 Convex C2-DTLZ2 测试例我们使用 (m+9) 维变量。

【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]一种改进的基于分解的多目标进化算法[J]. 侯薇,董红斌,印桂生.  计算机科学. 2014(02)
[3]遗传算法研究进展[J]. 马永杰,云文霞.  计算机应用研究. 2012(04)
[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)

博士论文
[1]基于分解的多目标进化算法及其应用[D]. 袁源.清华大学 2015

硕士论文
[1]基于锥形分解的高维目标进化算法设计与应用[D]. 谢悦鸿.华南理工大学 2017



本文编号：2925922