不确定环境下的群智能时域鲁棒优化研究

发布时间：2021-04-18 05:53

　　大多数实际问题都存在一定程度的不确定性。基于种群优化的处理不确定性问题一般有两种方法:一是获取目标问题的鲁棒解,使所得解的性能在不确定因素的影响下一直维持在可接受的水平。二是采用动态跟踪的方法,即当外界条件发生变化时能迅速获得新的最优解。但这两种方法均有不足,前者是基于不确定量很小的假设,而实际问题中却可能有较大的不确定量,后者则要求算法能及时求得并切换到新的最优解,而实际应用中算法却往往不能迅速找到新的最优解,而且频繁的切换解在很多实际问题中很难做到。时域鲁棒优化（Robust optimization over time,ROOT）是综合了以上两种方法而提出的一种新的优化方法。本文在此理论基础上开展了如下研究:（1）针对现有时域鲁棒优化算法的评估指标均基于预测的适应度函数值,这影响了算法评估的准确性。为此,本文提出了三种新的基于真实适应度函数值的评价指标,并实验验证了所提指标的有效性。其中,指标“误差（error）”可以定量地反映出算法所获得解的鲁棒性与真实解的鲁棒性之间的误差;指标“成功（success）”能直观有效地判定出算法在每个动态环境中是否能成功地运行;指标“成功率（su... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：132 页

【学位级别】：博士

【部分图文】：

求解ROOT的算法框架

ROOT算法框架

含约束的ROOT算法流程图

【参考文献】：
期刊论文
[1]鲁棒优化研究综述（英文）[J]. 于洪霞,金丽.  数学进展. 2016(03)
[2]一种动态环境下带有记忆的三岛粒子群算法[J]. 王洪峰,汪定伟.  系统工程学报. 2008(02)
[3]差分进化算法研究进展[J]. 刘波,王凌,金以慧.  控制与决策. 2007(07)
[4]多目标粒子群算法用于补料分批生化反应器动态多目标优化[J]. 贺益君,俞欢军,成飙,陈德钊.  化工学报. 2007(05)
[5]用于约束优化的人工免疫响应进化策略[J]. 公茂果,焦李成,杜海峰,马文萍.  计算机学报. 2007(01)
[6]一种基于动物自治体的寻优模式:鱼群算法[J]. 李晓磊,邵之江,钱积新.  系统工程理论与实践. 2002(11)
[7]基于改进遗传算法的时间最优控制问题求解[J]. 曾进,任庆生.  控制与决策. 2002(01)

博士论文
[1]演化约束优化及演化动态优化求解算法研究[D]. 卜晨阳.中国科学技术大学 2017
[2]碳纤维纺丝过程的协同模型与智能优化研究[D]. 陈佳佳.东华大学 2013
[3]演化动态优化研究[D]. 喻歆.中国科学技术大学 2011
[4]不同编码机制下动态优化问题的进化计算方法研究及应用[D]. 闫杨.东北大学 2010
[5]约束优化和多目标优化的进化算法研究[D]. 张敏.中国科学技术大学 2008



本文编号：3144936