基于进化机制的多目标优化问题求解方法研究

发布时间：2017-07-08 06:12

  本文关键词：基于进化机制的多目标优化问题求解方法研究

  更多相关文章： 多目标优化问题 高维 NSGA-Ⅱ 差分进化 基于相关性选择

【摘要】：进化算法是一类模拟生物进化过程中自然选择和自然进化的群体启发式随机搜索算法,较好的通用性使其适用于复杂非线性和较少目标的优化问题。但是随着问题求解的各方面性能要求提高以及问题的复杂性提升,我们需要提出性能更好的多目标优化进化算法。基于以上背景,本文提出用于求解低维多目标优化问题的一种改进的差分进化混合多目标优化算法,另外,在对高维多目标优化问题的研究下,本文提出一种基于相关性选择和差分进化的高维多目标优化进化算法。本文具体工作主要为：1.提出一种用于求解低维多目标优化问题的改进差分进化混合多目标优化算法。算法首先分析了求解多目标优化问题的典范代表NSGA-Ⅱ算法,对算法呈现的搜索精度较差和分布伴随盲区问题进行详细分析,然后采用拉丁超立方体抽样技术产生分布较好的初始种群,利用差分算法中个体之间合作、竞争引导的智能搜索寻优机制,以及其特殊的变异算子对个体进化方向进行干预扰动,使得提出的改进的差分进化混合多目标优化算法兼具全局搜索和局部搜索能力。通过对ZDT1、ZDT3、ZDT4和ZDT6多目标优化函数的测试,实验结果表明所提出的算法比NSDE、NSGA-Ⅱ和MODE算法在收敛性上有较大优势,且所提出算法的多样性呈现也较好。2.提出一种基于相关性选择和差分进化的高维多目标优化进化算法。算法首先给出相关性机制中的参考点和个体相关概念,提出基于相关性的差分进化及多项式变异选择方法,通过参考点的相关个体数目来维持种群多样性,并采用基于相关性的种群更新选择,利用个体的惩罚距离来保证种群的收敛性。通过对3维、8维和15维的DTLZ1、DTLZ2、DTLZ3和DTLZ4优化函数的测试,结果表明所提出的算法在IGD指标上,性能总体优于NSGA-Ⅲ和MOEA/D算法。
【关键词】：多目标优化问题 高维 NSGA-Ⅱ 差分进化 基于相关性选择
【学位授予单位】：西安邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-15
• 1.1 课题背景与意义7
• 1.2 多目标优化问题7-11
• 1.2.1 多目标优化问题数学描述及相关概念7-9
• 1.2.2 传统多目标优化方法9-10
• 1.2.3 传统多目标优化方法的局限性10-11
• 1.3 论文的主要研究内容及创新之处11-12
• 1.4 论文的组织结构12-15
• 第2章 多目标优化进化算法研究15-25
• 2.1 进化算法15-18
• 2.1.1 进化算法的产生背景15-16
• 2.1.2 进化算法的发展16-17
• 2.1.3 进化算法的特点17
• 2.1.4 进化算法的基本框架17-18
• 2.2 多目标优化进化算法18-25
• 2.2.1 多目标优化进化算法的关键要素及基本框架18-20
• 2.2.2 多目标优化进化算法关键理论20-22
• 2.2.3 典型的多目标优化进化算法及研究现状22-25
• 第3章 改进的差分进化混合多目标优化算法——LDMNSGA-Ⅱ25-35
• 3.1 引言25-26
• 3.2 相关理论背景26-27
• 3.2.1 非支配排序遗传算法--NSGA-Ⅱ26
• 3.2.2 差分进化算法26-27
• 3.2.3 拉丁超立方体抽样技术(LHS)27
• 3.3 改进的差分进化混合多目标优化算法--LDMNSGA-Ⅱ27-29
• 3.3.1 算法设计27
• 3.3.2 算法描述27-29
• 3.4 实验结果与分析29-33
• 3.4.1 ZDT系列标准测试函数29
• 3.4.2 评价指标29-30
• 3.4.3 实验设置30
• 3.4.4 实验结果30-33
• 3.5 本章小结33-35
• 第4章 基于相关性选择和差分进化的高维多目标进化算法—CDEAM35-49
• 4.1 引言35-36
• 4.2 相关理论背景36-39
• 4.2.1 参考点的选择36-38
• 4.2.2 个体与参考点之间的相关性38-39
• 4.3 基于相关性选择和差分进化的高维多目标进化算法—CDEAM39-43
• 4.3.1 基于相关性的差分进化及多项式变异选择39-41
• 4.3.2 基于相关性的种群更新选择41-42
• 4.3.3 基于相关性选择和差分进化的高维多目标进化算法—CDEAM42-43
• 4.4 实验结果与分析43-47
• 4.4.1 DTLZ系列标准多目标优化测试函数43-44
• 4.4.2 评价指标44-45
• 4.4.3 实验设置45
• 4.4.4 实验结果45-47
• 4.5 本章小结47-49
• 第5章 总结与展望49-51
• 5.1 论文研究工作总结49
• 5.2 下一步研究工作展望49-51
• 参考文献51-55
• 攻读学位期间取得的研究成果55-57
• 致谢57-59

【相似文献】

中国期刊全文数据库 前10条

1 刘淳安;王宇平;;基于新模型的动态多目标优化进化算法[J];计算机研究与发展;2008年04期

2 徐鹤鸣;王东;;多目标优化问题的求解框架[J];微计算机信息;2009年36期

3 郭晓东;王丽芳;;求解多目标优化问题的分布估计算法[J];太原科技大学学报;2010年01期

4 雍龙泉;;求解一类不可微多目标优化问题的社会认知算法[J];计算机应用研究;2010年11期

5 郭思涵;龚小胜;;正交设计的E占优策略求解高维多目标优化问题研究[J];计算机科学;2012年02期

6 盖玉权;何昱;张宇燕;吴宪彬;万海同;;复方药物剂量配比多目标优化的方法学研究[J];微型机与应用;2012年07期

7 王杰文;;约束多目标优化问题中约束处理方法综述[J];现代计算机(专业版);2012年36期

8 贾利民,张锡第;智能多目标优化控制及其应用[J];信息与控制;1992年01期

9 周学建;师清翔;朱永宁;;模糊相似优先比在清选系统多目标优化中的应用[J];洛阳工学院学报;1993年02期

10 吴清烈,江孝感,徐南荣;大规模含整变量多目标优化的一种新方法[J];信息与控制;1998年01期

中国重要会议论文全文数据库 前10条

1 张翔;;一种无歧义性的多目标优化数值解法[A];中国农业机械学会成立40周年庆典暨2003年学术年会论文集[C];2003年

2 罗亚中;;航天器轨迹多目标优化研究评述[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

3 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会——提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

4 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

5 程鹏;唐雁;邹显春;;约束多目标优化试验函数产生器[A];2008年计算机应用技术交流会论文集[C];2008年

6 贾小平;韩方煜;;多目标优化及其在过程工程中的应用[A];过程系统工程2001年会论文集[C];2001年

7 邢志祥;;灭火救援力量调集的多目标优化[A];第一届全国安全科学理论研讨会论文集[C];2007年

8 孙力;樊希山;姚平经;;化工过程多目标优化适宜解的模糊确定[A];第二届全国传递过程学术研讨会论文集[C];2003年

9 李颖t;昝建明;周建文;;多目标形貌优化方法研究[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

10 许碧霞;李兆江;;基于循环经济的城市污水多目标优化配置分析[A];中国地理学会2007年学术年会论文摘要集[C];2007年

中国博士学位论文全文数据库 前10条

1 王晗丁;复杂问题的多目标进化优化算法研究[D];西安电子科技大学;2015年

2 董宁;求解约束优化和多目标优化问题的进化算法研究[D];西安电子科技大学;2015年

3 邹娟;高维多目标进化优化及降维评价的方法研究[D];湘潭大学;2014年

4 杨光;求解多目标优化问题的NWSA研究及其工程应用[D];吉林大学;2015年

5 王超;装载与车辆路径联合多目标优化问题研究[D];大连理工大学;2016年

6 叶承晋;计算智能在电力系统多目标优化中的应用研究[D];浙江大学;2015年

7 过晓芳;超多目标优化问题的几种进化算法研究[D];西安电子科技大学;2015年

8 左益;基于全局优化和局部学习的进化多目标优化算法[D];西安电子科技大学;2016年

9 徐志丹;基于生物地理算法的多目标优化理论与应用研究[D];哈尔滨工程大学;2013年

10 蒋庆;地下水时空变化及监测网多目标优化研究[D];华中科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 何素素;基于改进的粒子群算法的钻进参数多目标优化研究[D];西安石油大学;2015年

2 黄怡;基于药效综合评价的中药组分配伍优化方法研究[D];浙江大学;2015年

3 韩伟;基于混合智能算法在造纸废水厌氧消化处理过程多目标优化中的研究[D];华南理工大学;2015年

4 彭清风;基于鲁棒性的船体中横剖面多目标优化[D];上海交通大学;2015年

5 崔华;面向个性化需求的服务组合优化方法[D];哈尔滨工业大学;2015年

6 章姗捷;基于遗传算法的电力工程多目标优化研究[D];华北电力大学;2015年

7 高敏;基于协同论的风电建设项目多目标优化模型研究[D];华北电力大学;2015年

8 刘培根;基于多目标优化和压缩感知的航拍目标检测[D];电子科技大学;2015年

9 杨凯;基于多目标优化的贵州工业结构调整研究[D];贵州师范大学;2015年

10 陈振兴;基于空间拥挤控制策略的进化多目标优化[D];福建师范大学;2015年

，

本文编号：533289