动态环境下多目标进化优化策略研究

发布时间：2023-04-11 21:35

　　动态多目标优化问题在当今的生产实践和科学研究中有广泛的应用,且由于动态多目标优化问题的目标函数、目标函数数量、约束条件和决策变量等会随着环境变化而发生改变,因此,求解动态多目标优化问题变得尤为重要和困难。在对该类问题进行求解时,要求算法在满足收敛性和分布性的同时还能够快速且准确的响应环境的变化。当处理复杂的实际问题时,对算法的性能要求也会随之提高。因此本文针对动态多目标优化问题进行了分类和研究,解决了动态多目标优化算法中的三类典型问题,主要内容的概述如下:针对传统的目标函数时变问题,为了快速且准确的跟踪动态多目标优化问题中变化的Pareto前沿与Pareto解集,本文在不依靠历史信息的前提下,提出了一种基于参考线预测策略求解动态多目标优化问题的算法。该算法通过记录每个参考线关联的种群个体在环境变化初始阶段和个体自主进化一小段时间后个体位置的变化,预测最优个体所在方向,同时在该方向上均匀分布若干延伸个体,选出每个参考线关联的非支配个体作为当前环境下的引导个体,在选出的引导个体邻域内随机产生若干伴随个体增加种群多样性。与现有算法对比,实验结果表明新的算法具有更快的响应环境变化的能力。针对目...

【文章页数】：84 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 动态多目标优化问题研究现状
        1.2.1 目标函数时变动态问题研究现状
        1.2.2 目标函数数量时变动态问题研究现状
        1.2.3 环境变化不可检测动态问题研究现状
    1.3 本文结构和研究内容
    1.4 本章小结
第2章 动态多目标优化问题相关内容
    2.1 动态多目标优化问题的相关定义
    2.2 设计动态多目标优化算法简介
    2.3 性能评价指标
    2.4 本章小结
第3章 基于参考线预测策略的动态多目标优化算法
    3.1 引言
    3.2 PDMOP算法
        3.2.1 PDMOP算法简介
        3.2.2 PDMOP算法框架
    3.3 基于参考线的预测策略
        3.3.1 预测策略简介
        3.3.2 个体参考线关联与选择
        3.3.3 预测个体进化方向的判断算子
        3.3.4 延伸个体产生机制
        3.3.5 伴随个体产生策略
    3.4 RLPS算法流程
    3.5 算法测试与分析
        3.5.1 测试函数
        3.5.2 实验参数设置
        3.5.3 实验结果与分析
    3.6 本章小结
第4章 基于参考点的高维动态多目标优化算法
    4.1 引言
    4.2 MOEA/D算法简介
    4.3 高维基于参考点的预测策略
        4.3.1 预测策略简介
        4.3.2 种群补全机制
        4.3.3 升维初始参考点选择机制
        4.3.4 参考点升维机制
    4.4 基于参考点的高维动态多目标优化算法流程
    4.5 算法测试与分析
        4.5.1 测试函数
        4.5.2 实验参数设置
        4.5.3 实验结果分析
    4.6 本章小结
第5章 基于参考点的环境不可测动态多目标优化算法
    5.1 引言
    5.2 NSGA-Ⅱ算法
    5.3 基于参考点的环境不可测动态多目标优化算法
        5.3.1 算法概况
        5.3.2 种群标准化和参考点集的生成
        5.3.3 个体关联到参考点和基于参考点的支配关系
        5.3.4 引导进化策略
        5.3.5 种群档案更新机制
    5.4 算法测试与分析
        5.4.1 实验参数设置
        5.4.2 实验结果与分析
    5.5 本章小结
结论与展望
参考文献
致谢
附录 A 攻读学位期间发表的学术论文



本文编号：3789791