基于进化计算的多目标优化问题求解

发布时间：2022-11-05 02:51

　　现实世界中的工程项目,科学问题研究以及日常生活中都存在各种各样的优化问题,而多目标优化问题（MOOP）则更广泛地应用于各个领域。旅行商问题和社团挖掘问题分别是多目标优化问题应用于图论和复杂网络领域的代表性应用实例之一。（1）针对基于遗传算法求解多目标旅行商问题时,存在容易早熟,缺乏多样性,且获得的解分布不均匀等问题,本文提出了一种基于遗传算法的多头绒泡菌自然启发式计算模型。首先,利用多头绒泡菌计算模型（PCM）的先验知识,即能够找到两个源点之间的最短路径,将其模型的结果作为求解旅行商问题的先验知识,应用于遗传算法的种群初始化优化中以提高潜在解的比例,从而增加初始种群质量。该策略可以有效提高收敛速度和改善解的分布,从而使算法尽快达到最优解。然后,为了有效地平衡帕累托解集的收敛性和多样性,在遗传操作中添加爬山法作为局部算子,从而增加个体多样性,扩展解的探索空间以避免算法陷入局部最优。最后,在不同的人工数据集和真实数据集上分别进行仿真实验。实验结果表明本文提出的算法与其他算法能够得到更优的帕累托前沿面,且解的分布范围更广、质量更优。本文所提算法能够表现出更好的收敛速度、多样性保留和局部搜索能... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 论文组织结构
第2章 相关理论基础
    2.1 多目标优化问题
        2.1.1 多目标问题的相关定义
        2.1.2 基于进化计算的多目标优化问题求解
    2.2 旅行商问题
        2.2.1 旅行商问题定义
        2.2.2 基于多目标的旅行商问题求解
    2.3 多层网络社团挖掘问题
        2.3.1 多层网络社团挖掘定义
        2.3.2 基于多目标的多层网络挖掘
第3章 基于多目标优化的旅行商问题求解
    3.1 基于多头绒泡菌启发式NSGA-II求解BTSP
        3.1.1 基于GA的 BTSP求解框架
        3.1.2 pNSGA-Ⅱ的算法描述
    3.2 实验分析
        3.2.1 实验设置
        3.2.2 实验指标
        3.2.3 实验结果
        3.2.4 统计分析
        3.2.5 计算复杂度分析
        3.2.6 参数分析
    3.3 本章小结
第4章 基于多目标的多层网络社团挖掘
    4.1 NSGAMOF算法框架
        4.1.1 编码方案
        4.1.2 遗传操作
        4.1.3 局部搜索操作
        4.1.4 最优选择策略
    4.2 实验分析
        4.2.1 数据集
        4.2.2 实验指标
        4.2.3 实验结果
        4.2.4 复杂度分析
        4.2.5 收敛性分析
        4.2.6 扩展性分析
    4.3 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 未来工作展望
参考文献
致谢
硕士期间发表的论文和参与的课题


【参考文献】：
硕士论文
[1]抽水蓄能电站建设期多目标优化研究[D]. 史怡珂.西安理工大学 2018



本文编号：3701783