基于权重子种群拐点的高维进化算法

发布时间：2020-08-01 19:21

【摘要】：在解决高维多目标优化问题过程中,由于非支配解的数量在种群中所占比例过大,因此不能使用Pareto支配策略将优秀的解从解集中提取出来。当目标数量达到8时Pareto支配策略将完全失效,导致基于这个策略的经典算法在解决高维问题时遇到很大的阻碍。因此,本文提出一种面向权重的子种群拐点的算法。通过权重划分的方法可以将整个种群划分成多个子种群,通过每条权重上关联的拐点解来引导种群中的其他解的进化,进行多角度搜索。这样一方面可以通过子种群的拐点来引导和保持种群的收敛性,另一方面,通过均匀划分的权重保持种群的分布性。这使得算法在处理高维多目标优化问题的时候可以获得优秀的解集。此外,在维度高于10维的测试问题中,算法使用了双层式的权重分配方法,对比单层的权重分配法,不仅可以弥补权重数量过大,影响种群大小的问题,而且可以保证算法在求解高维问题时,能够有一组数量合适并且分布均匀的权重向量来维持种群的分布。文中将本算法在一系列高维测试问题(DTLZ系列,WFG系列)上进行实验,并且在最高至十五个目标数的各种情况下对比了当前最流行的七种算法,包括SPEA2+SDE,MOEA/D,MSOPS,NSGA-III,GrEA,HypE和KnEA。从实验数据可以看出,本文提出的算法在高维测试问题上具有很强的竞争力。这主要归功于在确定子种群拐点的时候,需要单独计算每个子种群所在的超平面,算法的每一次迭代都会调整超平面的位置,因此子种群中的解集可以调整进化方向加速收敛,同时子种群中的解在收敛以后能找到更合适的位置,从而加强了算法的分布性,提高算法的整体性能。
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18
【图文】：

第3章 算法框架与细节一般思路在于如何找到子种群的拐点，类似于以定义为：义：一个具有最短的垂直距离的解被间内解本身到超平面的垂直距离。子种群的拐点还具有以下性质。解 x 是一个子种群的拐点，那么这个解一性。

【相似文献】

相关期刊论文 前10条

1 刘正士,周一放;寻求可用方向的概率统计方法[J];工科数学;1989年04期

2 刘庆吉;高维问题中的 POWELL方法[J];大庆石油学院学报;1983年02期

3 郝武伟;李俊吉;;粒子群算法对高维问题的优化研究[J];控制工程;2018年05期

4 严海平;;品味“以退为进”的思维模式[J];中学教研(数学);2008年07期

5 齐如意;王国涛;;例谈“以退求进”法解题策略[J];数学通讯;2011年17期

6 徐洪斌;李田军;方明亮;李飞;;一种用于大范围优化的随机主导学习群优化算法[J];赤峰学院学报(自然科学版);2019年11期

7 王慕秋;稳定性参数区域之扩大[J];数学学报;1975年02期

8 王小玉;李钧涛;陈留院;;稀疏对数回归及其在基因选择中的应用[J];河南师范大学学报(自然科学版);2012年05期

9 庄丽娟;;让思维在练习中流淌[J];小学教学设计;2013年32期

10 王军梅;董沛武;姚翠珍;;一个带有小参数的二维椭圆方程的渐近性分析[J];数学的实践与认识;2012年20期

相关会议论文 前1条

1 华回春;谷根代;;一种变尺度法改进的独立分量分析快速算法[A];中国几何设计与计算新进展2007——第三届中国几何设计与计算大会论文集[C];2007年

相关博士学位论文 前1条

1 陶大鹏;高维问题中的小样本学习[D];华南理工大学;2014年

相关硕士学位论文 前9条

1 胡X;高维统计学习问题的快速特征选择[D];上海交通大学;2016年

2 计春晖;基于权重子种群拐点的高维进化算法[D];湘潭大学;2019年

3 陆俊儒;基于支持向量机的高维不平衡数据二分类方法的研究[D];哈尔滨工业大学;2017年

4 肖南南;两种高维统计模型的似然比检验[D];河南大学;2016年

5 苗彦江;交互变邻域微粒群算法[D];太原科技大学;2010年

6 朱陆陆;蒙特卡洛方法及应用[D];华中师范大学;2014年

7 董帅君;行动规划中的任务排序和目标分配研究[D];西安电子科技大学;2012年

8 刘畅;高维逻辑回归下的聚类弹性网分析[D];北京理工大学;2016年

9 景鹏;基于配点法的谱随机有限元理论与应用研究[D];上海交通大学;2011年

本文编号：2777888