Pareto优劣性预测的决策空间降维方法研究

发布时间：2019-07-12 09:42

【摘要】：用模式识别对候选解之间的Pareto优劣性进行预测,可有效降低昂贵多目标优化的计算成本和财务成本,并在一定程度上克服代理模型的不足。但因决策向量空间的维数灾难,高维小样本集带来统计结果不可靠、预测正确率低和预测的计算复杂度高等一系列问题。为了更加有效地利用决策空间中的信息、提高Pareto优劣性预测的准确性,本文主要研究Pareto优劣性预测的决策空间降维方法。考虑决策分量对目标分量的影响程度一般不同,提出了决策空间的等价维分析及降维方法。通过引入满意度的概念,确定决策向量的等价维和冗余维,使用Sammon非线性映射算法对等价维进行降维,而将冗余分量直接忽略,实现决策向量降维。对降维后的决策空间数据使用最近邻方法预测候选解之间的Pareto优劣性。对典型多目标优化问题Pareto优劣性最近邻预测的实验结果表明,该方法可显著地提高预测准确性。针对决策向量之间的非线性问题,研究了基于LLE决策向量降维的Pareto优劣性预测方法。利用一种广义范围的主成分分析法来确定决策向量相对于各目标分量的本征维数;然后相对于各目标分量采用LLE算法对决策向量进行降维,形成新的低维决策空间;在新的决策空间中使用最近邻方法预测候选解之间的Pareto优劣性。仿真实验表明,所提的方法可以明显提高预测精度。最后,将Pareto优劣性预测的LLE决策空间降维方法应用到MOEAs中,实验结果表明,对于二目标函数的ZDT系列和三目标函数DTLZ系列,将降维预测方法嵌入到MOEAs中均能得到可接受的Pareto前沿,进一步证明了基于Pareto优劣性预测的决策空间降维方法的可行性和有效性。
【学位授予单位】：湖南理工学院
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18

【参考文献】

相关期刊论文 前8条

1 李文彬;贺建军;郭观七;冯彩英;潘理;;基于相关分析的多目标优化Pareto优劣性预测[J];电子学报;2017年02期

2 李文彬;贺建军;冯彩英;郭观七;;基于决策空间变换最近邻方法的Pareto支配性预测[J];自动化学报;2017年02期

3 陈志旺;白锌;杨七;黄兴旺;李国强;;区间多目标优化中决策空间约束、支配及同序解筛选策略[J];自动化学报;2015年12期

4 吴学斌;肖迪;;基于最小剩余方差的LLE改进算法[J];计算机应用与软件;2014年09期

5 郭观七;尹呈;曾文静;李武;严太山;;基于等价分量交叉相似性的Pareto支配性预测[J];自动化学报;2014年01期

6 张冬梅;龚小胜;戴光明;;基于多重分形主曲线模型多目标演化算法研究[J];计算机研究与发展;2011年09期

7 公茂果;焦李成;杨咚咚;马文萍;;进化多目标优化算法研究[J];软件学报;2009年02期

8 王凌,吉利军,郑大钟;基于代理模型和遗传算法的仿真优化研究[J];控制与决策;2004年06期

相关硕士学位论文 前1条

1 朱建凯;基于流形学习的多目标分布估计算法研究[D];中国地质大学;2011年

，

本文编号：2513626