基于差分进化算法的多目标优化问题的研究

发布时间：2017-03-30 11:18

  本文关键词：基于差分进化算法的多目标优化问题的研究，由笔耕文化传播整理发布。

【摘要】：多目标优化问题在现实生活中到处可见,对它的研究更符合实际发展,具有重要的研究意义。在多目标优化问题中,所要优化的问题往往有多个目标,这些优化目标之间又相互冲突,因而多个目标很难同时达到最优。利用传统的多目标优化的方法来解决这类问题存在着很多缺点。近些年来,多目标进化算法逐渐成为解决多目标优化问题的一种热门方法,用进化算法求解多目标优化问题得到了广泛的应用。其中差分进化算法作为进化算法中的一种,具有结构简单、鲁棒性强等优点,易于与其它算法相结合构造有效的混合算法来求解实际的多目标优化问题。本文旨在基于差分进化算法对多目标优化问题的求解来进行研究,主要的内容如下:首先,针对传统的多目标差分进化算法中使用单一的变异算子容易使得算法陷入局部最优,出现早熟收敛的现象,为此提出了一种自适应变异操作,它能够根据算法搜索过程的进展情况自适应地确定变异率的大小。同时算法还采用了一个外部存档集合来保存迭代过程中所搜索到的非劣解,这样可以防止优秀个体的流失,加快解的收敛,使种群的非支配解集不断地逼近最优边界,算法迭代终止时输出最终的外部存档中的解。最后算法通过对标准的测试函数进行了反复测试及比较,表明改进后的算法在五个测试函数上相比其它几种多目标算法具有一定的优势。其次,将差分进化算应用于多目标作业车间调度问题的求解。为了将它成功地运用在实际工程优化问题的求解中,对差分进化算法先进行离散化操作,改变它的编码方式使其适合求解离散问题。离散差分进化操作采用差分进化算法的框架,具有快速收敛的优点,但是在解决作业车间调度问题时容易陷入局部最优,它相比克隆选择算法局部搜索能力较差,为此提出了一种基于离散差分进化算法和克隆选择算法相混合的多目标差分进化算法,算法中加入克隆选择操作用以提高算法的局部搜索性能,充分利用各自的优点。将改进后的算法用于多目标作业车间两目标调度问题的求解,通过大量车间调度实例的仿真实验,验证了算法的有效性,而且取得了较好的非支配解。最后,对本论文的研究工作进行了总结,提出了展望。
【关键词】：多目标优化 差分进化 自适应变异 克隆选择算法 车间调度
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-6
• ABSTARACT6-11
• 第一章 绪论11-19
• 1.1 课题研究背景及意义11-12
• 1.2 多目标优化问题的基本描述12-13
• 1.3 多目标优化的研究现状13-15
• 1.3.1 多目标优化的传统方法14-15
• 1.3.2 多目标进化算法15
• 1.4 本文的主要内容与章节安排15-19
• 1.4.1 主要研究内容15-16
• 1.4.2 章节安排16-19
• 第二章 差分进化算法19-25
• 2.1 引言19
• 2.2 标准的差分进化算法19-21
• 2.2.1 算法的原理与基本流程19-21
• 2.2.2 差分进化算法优缺点21
• 2.3 差分进化算法的研究与改进21-22
• 2.3.1 参数的改进22
• 2.3.2 操作方法的改进22
• 2.3.3 种群的改进22
• 2.4 差分进化算法的研究现状22-23
• 2.5 本章小结23-25
• 第三章 基于自适应变异的多目标差分进化算法25-37
• 3.1 引言25
• 3.2 多目标差分进化算法的研究现状25-26
• 3.3 自适应变异多目标差分进化算法的设计26-29
• 3.3.1 初始种群的产生26-27
• 3.3.2 自适应变异操作27
• 3.3.3 混合选择机制27-28
• 3.3.4 Archive群体更新28
• 3.3.5 算法的具体步骤和流程28-29
• 3.4 仿真实验结果与分析29-34
• 3.5 本章小结34-37
• 第四章 改进多目标差分进化算法在车间调度中的应用37-57
• 4.1 引言37
• 4.2 车间调度问题37-41
• 4.2.1 车间调度问题的概述38-39
• 4.2.2 车间调度问题的评价指标39-40
• 4.2.3 车间调度问题的优化方法40-41
• 4.3 多目标作业车间调度问题41-42
• 4.3.1 多目标作业车间调度问题概述41
• 4.3.2 多目标作业车间调度问题的研究现状41-42
• 4.4 基于改进的多目标差分进化算法求解作业车间调度问题42-47
• 4.4.1 MDDE算法的设计思想42-43
• 4.4.2 编码与解码设计43-44
• 4.4.3 目标函数及适应度设计44
• 4.4.4 离散差分进化操作44-46
• 4.4.5 克隆增殖和变异操作46
• 4.4.6 算法的具体步骤和流程46-47
• 4.5 实验仿真及结果47-55
• 4.6 本章小结55-57
• 第五章 总结与展望57-59
• 5.1 本文结论57-58
• 5.2 展望58-59
• 参考文献59-65
• 攻读硕士学位期间发表的论文65-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 吴燕玲;卢建刚;孙优贤;;基于免疫原理的差分进化[J];控制与决策;2007年11期

2 杨启文;蔡亮;薛云灿;;差分进化算法综述[J];模式识别与人工智能;2008年04期

3 许小健;黄小平;钱德玲;;自适应加速差分进化算法[J];复杂系统与复杂性科学;2008年01期

4 宁桂英;周永权;;基于优进策略的新差分进化算法动力学模型参数的估计[J];计算机与应用化学;2008年05期

5 谭跃;谭冠政;涂立;;一种新的混沌差分进化算法[J];计算机工程;2009年11期

6 王培崇;钱旭;王月;虎晓红;;差分进化计算研究综述[J];计算机工程与应用;2009年28期

7 肖术骏;朱学峰;;一种改进的快速高效的差分进化算法[J];合肥工业大学学报(自然科学版);2009年11期

8 周萧;王万良;徐新黎;;解决作业车间调度问题的混合差分进化算法[J];轻工机械;2010年05期

9 王艳宜;;改进差分进化算法及其应用[J];机械设计与研究;2010年05期

10 张照生;罗健旭;;基于差分进化算法的模糊神经网络控制器[J];计算机与应用化学;2011年12期

中国重要会议论文全文数据库 前10条

1 陆丝馨;肖健梅;王锡淮;;基于改进差分进化算法的舰船电网重构[A];第二十九届中国控制会议论文集[C];2010年

2 楼洋;李均利;陈刚;;基于个体排序的差分进化算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

3 张倩;李海港;;多目标问题的差分进化算法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

4 裴振奎;刘真;赵艳丽;;差分进化算法在多目标路径规划中的应用[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

5 刘国帅;杨侃;陈静;周景舒;周冉;郑姣;;差分进化算法在三峡电站厂内经济运行中的应用[A];中国水文科技新发展——2012中国水文学术讨论会论文集[C];2012年

6 刘潇;桂卫华;王雅琳;王晓丽;阳春华;;一种改进的多目标差分进化算法研究[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 赵娟;蔡涛;邓方;杨红伟;;基于改进差分进化算法的脉冲控制方法[A];中国自动化学会控制理论专业委员会B卷[C];2011年

8 袁沈坚;顾幸生;;基于差分进化的膜计算优化算法[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

9 姜立强;郭铮;刘光斌;;差分进化算法缩放因子取值策略研究[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

10 倪惠康;杜文莉;钱锋;;基于改进差分进化算法的PID参数优[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

中国博士学位论文全文数据库 前10条

1 孙浩;差分进化多目标优化算法及其在铝热连轧轧制规程中应用[D];燕山大学;2015年

2 陈盈果;面向任务的快速响应空间卫星部署优化设计方法研究[D];国防科学技术大学;2014年

3 谢宇;差分进化的若干问题及其应用研究[D];南京理工大学;2015年

4 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年

5 刘荣辉;多阶段自适应差分进化算法及应用研究[D];东华大学;2012年

6 郭鹏;差分进化算法改进研究[D];天津大学;2012年

7 王旭;改进差分进化算法及其在可逆逻辑综合中的应用[D];东华大学;2013年

8 董明刚;基于差分进化的优化算法及应用研究[D];浙江大学;2012年

9 王天意;大地电磁迭代有限元与改进差分进化正反演算法研究[D];中国地质大学(北京);2015年

10 陈亮;改进自适应差分进化算法及其应用研究[D];东华大学;2012年

中国硕士学位论文全文数据库 前10条

1 高静;量子差分进化算法在油田开发中的应用研究[D];浙江大学;2015年

2 万婧;基于离散微粒群算法和混合差分进化算法的复杂生产调度问题求解[D];昆明理工大学;2015年

3 张转;基于差分进化算法的混凝土德拜模型的研究[D];长安大学;2015年

4 江华;差分进化算法的改进及其在K-means聚类算法中的应用[D];华中师范大学;2015年

5 周志刚;基于差分进化算法的信用风险度量模型研究[D];华中师范大学;2015年

6 任甜甜;差分进化算法在反演问题中的研究与应用[D];新疆大学;2015年

7 杨洋;基于差分进化的模糊C-均值聚类算法研究[D];电子科技大学;2015年

8 王丹;基于辅助函数的自适应差分进化算法研究[D];西安电子科技大学;2014年

9 刘家华;基于进化计算的轧制生产过程操作优化算法与系统开发[D];东北大学;2013年

10 王旦平;圆形对称振子阵列天线基于差分进化算法的综合[D];西安电子科技大学;2014年

  本文关键词：基于差分进化算法的多目标优化问题的研究，由笔耕文化传播整理发布。

，

本文编号：276991