基于学习的动态多目标方法求解约束优化问题

发布时间：2019-03-05 21:08

【摘要】：提出一种用多目标技术求解约束优化问题的算法.该算法有3个特征:1)将约束优化问题转化为等价的动态约束多目标优化问题,然后用动态约束多目标演化算法求解动态约束多目标优化问题;2)演化初始阶段,拓宽约束边界以使整个种群可行;演化过程中,约束边界微弱的收缩以确保动态约束多目标演化算法中种群的大多数个体仍是可行的,这使动态约束多目标演化算法如同多目标演化算法求解无约束问题一样有效;3)采用基于学习的机制自适应调整演化算法的参数,以提高算法效率.实验结果表明,与4个当前较为先进的约束处理算法相比,本文算法效果更优.
[Abstract]:This paper presents an algorithm for solving constrained optimization problems with multi-objective techniques. The algorithm has three characteristics: 1) the constrained optimization problem is transformed into the equivalent dynamic constrained multi-objective optimization problem, and then the dynamic constrained multi-objective evolutionary algorithm is used to solve the dynamic constrained multi-objective optimization problem; 2) in the initial stage of evolution, the constraint boundary is broadened to make the whole population feasible; In the process of evolution, the constraint boundary shrinks weakly to ensure that most of the individuals in the population in the dynamic constrained multi-objective evolutionary algorithm are still feasible. This makes the dynamic constrained multi-objective evolutionary algorithm as effective as the multi-objective evolutionary algorithm in solving unconstrained problems. 3) the learning-based mechanism is used to adjust the parameters of the evolutionary algorithm adaptively to improve the efficiency of the algorithm. The experimental results show that the proposed algorithm is more effective than the four advanced constraint processing algorithms.
【作者单位】： 中国地质大学计算机学院;中国地质大学机械与电子信息学院;河北地质大学信息工程学院;
【基金】：国家自然科学基金资助项目(61271140,61203306)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 介婧,曾建潮;基于思维进化计算求解约束优化问题的新算法[J];计算机工程与应用;2003年04期

2 李相勇;田澎;孔民;;解约束优化问题的新粒子群算法[J];系统管理学报;2007年02期

3 石晓明;柴玉梅;;基于合作仲裁求解分布式约束优化问题的研究[J];微计算机信息;2008年36期

4 张书花;李艳龙;李磊;景孟旗;;求解线性等式约束优化问题的移动渐近线法[J];电子测试;2013年20期

5 樊重俊，韩崇昭，胡保生，，王洁;一类约束优化问题的改进遗传算法[J];控制与决策;1996年05期

6 顾宏杰;许力;;利用带感知能力的粒子群算法求解约束优化问题[J];计算机应用;2011年01期

7 郭鹏;宋福庆;;求解约束优化问题的新方法[J];计算机工程与应用;2011年24期

8 彭宏,冯正柱,杨立洪;解约束优化问题的进化策略与混合进化策略的比较[J];数值计算与计算机应用;1998年01期

9 杨艳;周永权;罗林;袁冠远;;人工萤火虫群优化算法求解约束优化问题[J];小型微型计算机系统;2014年01期

10 丁博;王怀民;史殿习;唐扬斌;;低约束密度分布式约束优化问题的求解算法[J];软件学报;2011年04期

相关会议论文 前6条

1 贺春华;张湘伟;吕文阁;谢庆华;;基于竞选算法的非线性约束优化问题实现[A];数学·力学·物理学·高新技术交叉研究进展——2010（13）卷[C];2010年

2 赵志刚;韦兆文;;基于粒子群算法求解约束优化问题[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

3 周岩;濮定国;;解非线性不等式约束优化问题的序列线形方程法[A];中国运筹学会第十届学术交流会论文集[C];2010年

4 孙超利;曾建潮;潘正祥;;一种新的约束优化问题初始解的产生方法[A];2009中国控制与决策会议论文集（2）[C];2009年

5 金豪;朱德通;;双边校正约Hessian阵过滤仿射内点法解非负约束非线性等式约束优化问题[A];中国运筹学会第十届学术交流会论文集[C];2010年

6 邓长寿;赵秉岩;;采用不可行解驱动的DE进化算法求解难约束优化问题[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前9条

1 程维新;约束优化问题的QP-free算法研究[D];武汉大学;2013年

2 刘水霞;互补约束优化问题若干算法研究[D];内蒙古大学;2009年

3 万中;平衡约束优化问题的理论与算法研究[D];湖南大学;2001年

4 胡一波;求解约束优化问题的几种智能算法[D];西安电子科技大学;2009年

5 时贞军;约束优化问题的参数控制算法研究[D];大连理工大学;2002年

6 王祝君;非线性优化问题的过滤线搜索方法[D];上海师范大学;2010年

7 孙祥凯;约束优化问题的若干对偶以及微分性研究[D];重庆大学;2012年

8 姜永;二阶锥均衡约束的优化问题[D];大连理工大学;2011年

9 刘玉珍;基于进化计算的单目标优化问题研究[D];湘潭大学;2012年

相关硕士学位论文 前10条

1 徐海东;人工蜂群算法理论与应用研究[D];山东大学;2015年

2 王小朋;两类问题的Newton方法研究[D];武汉理工大学;2015年

3 段庆松;约束优化问题的序列近似方法收敛性[D];大连理工大学;2015年

4 池倩倩;锥约束优化问题的罚逼近[D];苏州大学;2015年

5 王佳;基于Chen-Harker-Kanzow-Smale函数的概率约束优化问题的光滑D.C.近似[D];辽宁师范大学;2015年

6 戚雪彩;人工蜂群算法求解约束优化问题的研究[D];南京师范大学;2015年

7 何琛;求解分布式约束优化问题的搜索算法研究[D];重庆大学;2016年

8 杨亚飞;约束优化问题的粒子群算法方法[D];中国地质大学(北京);2012年

9 李_g;非线性约束优化问题的自适应三次正则化方法[D];大连理工大学;2013年

10 胡一波;解决约束优化问题的两种新的进化算法[D];西安电子科技大学;2006年

本文编号：2435291