基于资源分配策略的多目标智能优化算法研究

发布时间：2021-12-28 11:04

　　在现实工程问题中,多目标优化问题（MOPs）是一类非常常见的优化问题。多目标优化问题通常包含两个或两个以上相互冲突的目标。近年来,一系列针对不同类型多目标优化问题的多目标智能优化算法相继提出。然而,对于一些具有复杂的Pareto最优解集或最优端面的复杂多目标优化问题,它们的Pareto最优端面不同部分具有不同的收敛难度或者逼近的困难。因此,这类复杂多目标优化问题能有效地检验多目标智能算法的种群多样性和收敛性。然而,绝大部分多目标智能优化算法在处理这类问题时,很难获得一个种群,使得种群中的个体能够完整地、均匀地分布在Pareto最优端面上。为了更好地解决这类具有复杂的Pareto最优解集或者端面的复杂多目标优化问题,本文提出了一系列工作,具体如下:1、提出了一种基于分解的克隆选择策略的多目标免疫算法（MOIA-DCSS）。首先,使用分解方法将种群中每个个体与其对应的子问题进行一一关联。通过这种方法,能够很好地对每个子问题的提升度进行量化。然后,在算法MOIA-DCSS中设计了一种新的基于分解的克隆选择策略。根据基于分解的克隆策略,更多的克隆个体将被分配给种群中相对提升值较大的个体。此外,... 

【文章来源】：深圳大学广东省

【文章页数】：102 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 多目标进化算法(MOEAs)近期研究成果
        1.2.2 多目标粒子群优化算法(MOPSOs)近期研究成果
        1.2.3 多目标免疫算法(MOIAs)近期研究成果
    1.3 本文的主要研究内容与结构安排
第2章 多目标优化算法的相关基本理论
    2.1 多目标优化问题的定义与介绍
    2.2 多目标智能优化算法操作算子介绍
    2.3 多目标智能优化算法性能评价指标介绍
    2.4 基于拥挤度距离的克隆选择机制
    2.5 传统粒子群优化算法速度更新策略
    2.6 MOEA/D中三种常见的分解方法
    2.7 本章小结
第3章 基于分解的克隆选择策略的多目标免疫算法
    3.1 免疫算法的研究现状及其解决复杂多目标优化问题的缺陷
    3.2 基于分解的克隆选择策略的多目标免疫算法
        3.2.1 MOIA-DCSS算法流程、框架
        3.2.2 基于分解的克隆选择策略
        3.2.3 MOIA-DCSS种群更新策略
    3.3 实验结果与分析
        3.3.1 与进化算法的实验结果对比与分析
        3.3.2 与免疫算法的实验结果对比与分析
        3.3.3 基于Friedman数据统计方法分析算法性能
        3.3.4 DCSS策略有效性地分析
        3.3.5 算法在解决现实车辆侧面撞击问题上的实验结果分析
    3.4 本章小结
第4章 基于动态资源分配策略的混合多目标粒子群优化算法
    4.1 粒子群优化算法的研究现状及其解决多目标优化问题的缺陷
    4.2 基于动态资源分配策略的混合多目标粒子群优化算法HMOPSO-ARA
        4.2.1 HMOPSO-ARA算法流程及其算法框架
        4.2.2 动态资源分配策略
        4.2.3 粒子群速度更新策略
        4.2.4 外部存档进化、更新过程
    4.3 实验结果与分析
        4.3.1 与进化算法的实验结果对比与分析
        4.3.2 与粒子群算法的实验结果对比与分析
        4.3.3 动态资源分配策略的有效性分析
        4.3.4 算法HMOPSO-ARA时间复杂度的分析
    4.4 本章小结
第5章 基于自适应分解选择策略的多目标进化算法
    5.1 基于分解MOEAs的研究现状及其解决多目标优化问题的缺陷
    5.2 基于自适应分解选择策略的多目标进化算法
        5.2.1 算法MOEA/D-SDSS的基本框架
        5.2.2 自适应分解选择策略SDSS
    5.3 实验结果与分析
        5.3.1 算法MOEA/D-SDSS与基于分解的MOEAs的实验对比分析
        5.3.2 基于Friedman测试的算法性能分析
        5.3.3 关于算法MOEA/D-SDSS有效性地探讨与分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
指导教师对研究生学位论文的学术评语
学位论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]基于退火粒子群的混合差分进化算法研究[J]. 郭洋婷,李瑞阳.  电子世界. 2020(02)
[2]求解车辆路径问题的量子差分进化算法[J]. 赵燕伟,蒋海青,张景玲.  浙江工业大学学报. 2020(01)
[3]基于程序性细胞死亡进化算法的路径规划[J]. 张晓,刘作军,陈玲玲,杨鹏.  控制工程. 2019(11)
[4]基于IGD+S指标的高维多目标进化算法[J]. 黎明,段茹茹,陈昊,谢惠华.  模式识别与人工智能. 2019(09)
[5]Lebesgue测度的建立方法[J]. 闫峰,史文河.  邯郸职业技术学院学报. 2002(02)

硕士论文
[1]基于进化算法的船舶气象航线优化[D]. 周照.兰州大学 2019
[2]免疫多目标进化算法的研究与应用[D]. 吕文鹏.安徽理工大学 2019
[3]多目标粒子群算法的改进研究[D]. 徐练淞.西华师范大学 2019



本文编号：3553946