基于多目标粒子群算法的多约束组合优化问题研究

发布时间：2022-08-10 19:33

　　组合优化问题在金融投资、资源分配等领域有着重要的应用,其求解方法一直是人们研究的重点。实际工程应用中的组合优化问题往往具有多个约束条件且在很多情况下问题规模较大,传统的优化算法由于需要遍历整个解空间,因此无法在多项式时间内完成求解。元启发式算法将随机搜索算法与局部搜索算法相结合,同时从目标空间中的多个位置开始搜索,且目标是尽可能获得更好的解,被认为更适合用来求解具有多个约束的组合优化问题。遗传算法、粒子群算法、蚁群算法等都是常见的元启发式算法。其中粒子群优化算法通过种群中个体之间的相互协作使得整个种群逐渐向问题的最优解靠近并最终收敛,其由分散到集中的寻优方式以及参数设置少、收敛快等特点使得该算法在解决多约束组合优化问题方面得到了广泛的应用。在解决多约束组合优化问题的过程中,如何妥善处理约束条件也是一个需要我们重点关注的问题。根据对已有约束处理方法优缺点的分析,本文采用约束转目标的方法将多约束优化问题转化为具有三个以上目标的多目标优化问题,并结合粒子群算法对其进行求解。为了搜索到质量更高的最优解,本文提出一种改进的多目标粒子群优化算法IMaOPSO,以违反约束度来维护外部档案,以拥挤度和... 

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图2-1.双目标空间中的支配关系

Pareto解集的优劣比较情况

PSO粒子飞行示意图

【参考文献】：
期刊论文
[1]基于alpha支配的高维目标进化算法研究[J]. 林梦嫚,周欢,王丽萍.  计算机科学. 2017(01)
[2]基于有约束多目标进化算法的冷轧负荷分配分析[J]. 孙浩,肖宏,胡庆军.  中国机械工程. 2017(01)
[3]基于全局排序的高维多目标优化研究[J]. 肖婧,毕晓君,王科俊.  软件学报. 2015(07)
[4]基于模糊支配的高维多目标进化算法MFEA[J]. 毕晓君,张永建,陈春雨.  电子学报. 2014(08)
[5]带修复操作整型编码遗传算法求解大规模机组组合问题[J]. 张伟,赵进慧,王宁.  化工学报. 2012(09)
[6]粒子群优化算法惯量权重控制方法的研究[J]. 刘杨,田学锋,詹志辉.  南京大学学报(自然科学版). 2011(04)
[7]高维多目标进化算法研究综述[J]. 孔维健,丁进良,柴天佑.  控制与决策. 2010(03)
[8]解0-1背包问题的混合编码贪婪DE算法[J]. 邓长寿,梁昌勇.  计算机工程. 2009(23)
[9]基于改进遗传算法的配电网络重构优化模型研究[J]. 李可,马孝义,邢化玲,林向阳.  水力发电. 2009(07)
[10]离散粒子群优化算法研究现状综述[J]. 沈林成,霍霄华,牛轶峰.  系统工程与电子技术. 2008(10)

博士论文
[1]超多目标优化问题的几种进化算法研究[D]. 过晓芳.西安电子科技大学 2015

硕士论文
[1]粒子群算法在组合优化问题上的应用研究[D]. 彭芃.西安理工大学 2009



本文编号：3674230