当前位置:主页 > 科技论文 > 自动化论文 >

基于距离收敛量和历史信息密度的多目标进化算法的研究

发布时间:2018-03-21 03:17

  本文选题:多目标进化算法 切入点:距离收敛量 出处:《东北师范大学》2017年硕士论文 论文类型:学位论文


【摘要】:近年来,多目标优化问题已经成为人工智能领域中最重要的问题形式之一。多目标进化算法凭借其优秀的求解能力,已经成为求解多目标优化问题最重要的方法之一。多目标进化算法是一种基于群体演进的人工智能算法,该算法以生物进化过程中的优胜劣汰原理为基础,以此推演出一套随机的全局搜索策略。而在筛选个体的过程中,多目标进化算法大都利用非支配信息和密度信息评价个体。针对上述问题,本文提出了一种基于距离收敛量和历史信息密度的多目标进化算法,并同4个最新的多目标进化算法在2个基准问题集上进行了对比实验。本文的主要工作可以总结如下:(1)为了可以在个体支配等级相同的情况下有效的区分个体的收敛程度,本文提出的距离收敛量的概念,并在此基础上提出了一种新的配对选择操作;(2)为了可以在计算个体密度的过程中考虑整个搜索过程,本文提出的历史信息密度,并在此基础上提出了新的个体选择操作;(3)通过对比实验结果可以说明基于距离收敛量和历史信息密度的多目标进化算法比相对比的其他算法有更好的求解效果。
[Abstract]:In recent years, multi-objective optimization problem has become one of the most important problems in the field of artificial intelligence. Multiobjective evolutionary algorithm is an artificial intelligence algorithm based on population evolution, which is based on the principle of survival of the fittest in the process of biological evolution. A set of random global search strategies is derived. However, in the process of selecting individuals, the multi-objective evolutionary algorithms mostly evaluate individuals using non-dominated information and density information. In this paper, a multi-objective evolutionary algorithm based on distance convergence and historical information density is proposed. And compared with four new multi-objective evolutionary algorithms on two benchmark problem sets, the main work of this paper can be summarized as follows: (1) in order to effectively distinguish the degree of convergence of individuals under the same dominance level, In this paper, the concept of distance convergence is proposed, and a new pairing selection operation is proposed. In order to consider the whole searching process in the process of calculating individual density, the historical information density is proposed in this paper. On this basis, a new individual selection operation is proposed. By comparing the experimental results, it can be shown that the multi-objective evolutionary algorithm based on distance convergence and historical information density is more effective than other algorithms.
【学位授予单位】:东北师范大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP18

【相似文献】

相关期刊论文 前10条

1 余聂芳;宋武;;一种改进的聚集距离的多目标进化算法[J];电脑知识与技术;2010年14期

2 关志华;多目标进化算法研究初步[J];石家庄经济学院学报;2002年02期

3 张勇德,黄莎白;一种改进的基于约束支配的多目标进化算法[J];计算机工程;2004年16期

4 雷德明,吴智铭;基于个体密集距离的多目标进化算法[J];计算机学报;2005年08期

5 薛娟;郑金华;李旭勇;;一种基于聚集距离的多目标进化算法[J];计算机工程与应用;2005年36期

6 马清亮;胡昌华;;多目标进化算法及其在控制领域中的应用综述[J];控制与决策;2006年05期

7 唐欢容;蒋浩;郑金华;;量子多目标进化算法研究[J];计算机工程与应用;2007年13期

8 林丹;丑英哲;李敏强;;求解多目标二层规划的多目标进化算法[J];系统工程学报;2007年02期

9 郑向伟;刘弘;;多目标进化算法研究进展[J];计算机科学;2007年07期

10 李密青;郑金华;罗彪;伍军;文诗华;;一种基于邻域的多目标进化算法[J];计算机应用;2008年06期

相关会议论文 前2条

1 孙海涛;熊鹰;韩峰;;基于多目标进化算法的舰船概念设计方法研究[A];第四届全国船舶与海洋工程学术会议论文集[C];2009年

2 崔逊学;;多目标进化算法的研究现状与群体多样性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

相关重要报纸文章 前1条

1 本报记者 邵岭;人类语言中也有“DNA”?[N];文汇报;2011年

相关博士学位论文 前10条

1 丰志伟;多目标进化算法研究及在飞行器动力学系统中的应用[D];国防科学技术大学;2014年

2 代才;基于分解的多目标进化算法研究[D];西安电子科技大学;2014年

3 申瑞珉;高维多目标进化算法及其软件平台研究[D];湘潭大学;2015年

4 袁源;基于分解的多目标进化算法及其应用[D];清华大学;2015年

5 孟红云;多目标进化算法及其应用研究[D];西安电子科技大学;2005年

6 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年

7 郭秀萍;多目标进化算法及其在制造系统中的应用研究[D];上海交通大学;2007年

8 谭艳艳;几种改进的分解类多目标进化算法及其应用[D];西安电子科技大学;2013年

9 张明明;面向量子可逆逻辑自动综合的多目标进化算法研究[D];东华大学;2010年

10 刘立衡;多目标进化算法的研究及其在负荷分配中的应用[D];华北电力大学(北京);2010年

相关硕士学位论文 前10条

1 李潇涵;基于距离收敛量和历史信息密度的多目标进化算法的研究[D];东北师范大学;2017年

2 吴坤安;基于分散策略的多目标进化算法研究[D];福建师范大学;2015年

3 马晨琳;基于分解的交互式偏好多目标优化算法研究[D];西安电子科技大学;2014年

4 喻果;基于分解的偏好多目标进化算法及其评价指标的研究[D];湘潭大学;2015年

5 季洪霄;动态约束多目标进化算法的研究与应用[D];安徽理工大学;2016年

6 李达统;基于MapReduce与Spark的分布式多目标进化算法的设计与实现[D];华南理工大学;2016年

7 齐吉;基于聚类的多目标进化算法及其在航迹规划中的应用[D];哈尔滨工业大学;2016年

8 李辉健;多目标进化算法中新型非支配个体排序研究及应用[D];南京信息工程大学;2016年

9 杨志翔;基于分解排序的多目标进化算法的研究[D];南京航空航天大学;2016年

10 朱铮;面向指标和边界选择的高维多目标进化算法的研究[D];湘潭大学;2016年



本文编号:1642019

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1642019.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户803e7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com