改进遗传算法在多目标问题上的应用研究

发布时间：2017-03-20 16:05

  本文关键词：改进遗传算法在多目标问题上的应用研究，由笔耕文化传播整理发布。

【摘要】：遗传算法通过模拟生物自适应选择过程和自适应进化过程,通过不断迭代逼近最优解,可以将其用于求解高度复杂的非线性最优值问题。在对复杂的单目标问题进行求解时,遗传算法表现出了良好的优化性能。然而,现实中的优化问题总是具有多个目标的。这些被优化的目标之间并不能同时达到最优,而是相互冲突,相互抑制。为了达到各个目标的均衡最优化,通常需要增大某一目标的值以降低其他目标的值。多目标遗传算法在优化多目标问题时具有良好的效果,这些典型的多目标遗传算法包括向量评估遗传算法,小生境pareto遗传算法,非劣分类遗传算法和pareto存档进化策略等。本文在简单遗传算法的理论基础上,设计了两类改进的遗传算法用于多目标问题求解,主要工作及研究成果如下:(1)设计了一种引入外部非劣档案的多目标遗传算法。简单多目标遗传算法在优化多目标问题时,优化过程会陷入局部最优,不能求出全局范围内的其他最优解。本算法先通过权值分配,求出多目标优化问题凸部分的全局最优解,将这些全局最优解作为初始种群的一部分,随其他随机个体一同进行遗传过程的选择、交叉、变异。在不断的迭代过程中,优秀的随机个体会搜索到非凸部分的最优个体,最优非劣个体会淘汰体质较弱的随机个体。针对函数ZDT1,ZDT2,ZDT3,ZDT4,ZDT6进行测试,实验结果表明,改进后的算法,相较于NMOGA[1]算法,在解集的覆盖度和均匀度上更有优势。(2)设计了一种基于信息熵的多目标遗传算法。该算法在传统的NSGA-2算法的基础上加以改进,在遗传操作开始时以某一目标为基准,求出种群在该目标上的聚类个数,利用聚类个数的值进而求出种群的信息熵。将信息熵作为改变交叉概率和变异概率的因子,使交叉概率和变异概率调控种群的寻优与种群的收敛。针对函数ZDT1,ZDT2,ZDT3,ZDT4,ZDT6进行测试,并以一生产调度问题作为测试实例,实验结果表明,本文基于信息熵的NSGA2-EN算法比传统的NSGA-2算法求得的种群更加的丰富。
【关键词】：多目标优化 遗传算法 信息熵 均匀度
【学位授予单位】：重庆师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 中文摘要5-6
• 英文摘要6-11
• 1 绪论11-17
• 1.1 研究背景以及意义11-13
• 1.2 国内外现状13-15
• 1.3 本文的主要工作15-16
• 1.4 论文章节安排16-17
• 2 多目标遗传算法的基础理论17-27
• 2.1 多目标问题17-18
• 2.1.1 多目标问题的一般描述17
• 2.1.2 pareto最优解的相关概念17-18
• 2.2 多目标算法的性能评价指标18-20
• 2.2.1 覆盖度比较18
• 2.2.2 收敛性比较18-19
• 2.2.3 多样性比较19-20
• 2.3 多目标测试函数20-21
• 2.4 有关多目标优化的生产调度问题21-22
• 2.5 遗传算法22-25
• 2.5.1 编码策略22
• 2.5.2 选择22-23
• 2.5.3 交叉23-24
• 2.5.4 变异24-25
• 2.6 遗传算法的基本流程图25
• 2.7 遗传算法的特点25-26
• 2.8 本章小结26-27
• ３引入外部非劣解集的多目标遗传算法27-41
• 3.1 传统多目标优化方法27-30
• 3.1.1 目标函数的规范化27
• 3.1.2 加权求和法27-29
• 3.1.3 ε约束法29
• 3.1.4 等式约束法29-30
• 3.1.5 极大极小目标值法30
• 3.2 多目标遗传算法30-32
• 3.2.1 基于向量评估的多目标遗传算法31
• 3.2.2 小生境pareto遗传算法NPGA31
• 3.2.3 pareto存档进化策略31-32
• 3.3 基于非劣方向的多目标遗传算法32-34
• 3.3.1 单目标问题的下降方向33
• 3.3.2 多目标问题的非劣方向33
• 3.3.3 基于非劣方向的杂交算子33-34
• 3.3.4 NMOGA算法的变异算子34
• 3.3.5 NMOGA算法的步骤34
• 3.4 引入外部非劣档案的多目标遗传算法34-36
• 3.4.1 PAGA交叉算子34-35
• 3.4.2 PAGA变异算子35
• 3.4.3 PAGA算法流程35-36
• 3.5 实验与仿真36-40
• 3.6 本章小结40-41
• ４基于信息熵的多目标遗传算法41-57
• 4.1 非劣排序遗传算法NSGA41-44
• 4.1.1 非劣排序41-42
• 4.1.2 共享小生境技术42
• 4.1.3 NSGA算法的流程42-43
• 4.1.4 NSGA算法的特点43-44
• 4.2 NSGA-2 算法44-47
• 4.2.1 快速非劣排序44
• 4.2.2 精英保存策略44-45
• 4.2.3 拥挤距离与距离比较算子45-46
• 4.2.4 NSGA-2 算法的流程46-47
• 4.3 引入差分局部搜索过程改进NSGA-2 算法47-48
• 4.3.1 确定距离阈值的方法47
• 4.3.2 选择相邻的个体47
• 4.3.3 差分局部搜索47-48
• 4.4 基于信息熵的改进型NSGA-2 算法48-50
• 4.4.1 种群个体的聚类48
• 4.4.2 种群的信息熵48
• 4.4.3 自适应遗传算子48-50
• 4.4.4 基于信息熵的改进NSGA-2 算法的步骤50
• 4.5 实验与仿真50-54
• 4.6 对生产调度问题的求解54-56
• 4.7 本章小结56-57
• ５结论与展望57-60
• 5.1 本文的研究成果57-58
• 5.2 对未来工作的展望58-60
• 参考文献60-64
• 附录A64-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

  本文关键词：改进遗传算法在多目标问题上的应用研究，，由笔耕文化传播整理发布。

本文编号：258042