基于Pareto支配的高维多目标进化算法研究

发布时间：2017-08-25 19:19

  本文关键词：基于Pareto支配的高维多目标进化算法研究

  更多相关文章： 高维多目标优化问题 进化算法 Pareto支配 聚类 约束支配

【摘要】：在现实生活中,许多应用涉及到多个目标同时求优的问题,这些问题被称为多目标优化问题。进化算法凭借着其较好的收敛性和多样性被广泛应用在多目标优化问题中,这些多目标优化问题通常涉及2到3个目标。然而现实生活中的多目标优化问题往往超过三个目标(即高维的多目标优化问题),常用的基于Pareto支配的进化算法在处理该类问题时却面临着Pareto支配的无效性、Pareto分层排序的耗时性和收敛性与多样性不平衡等难题。且实际生活中的问题也常会涉及到一些约束限制,使得有约束条件的高维多目标优化问题也成为学者们待解决的难题。本文旨在对基于Pareto支配的进化算法进行改进来处理无约束条件和有约束条件的高维多目标优化问题。本文主要工作概述如下：(1)首先针对基于Pareto支配的进化算法在处理高维多目标问题时收敛性与多样性不平衡和计算时间复杂度高的问题,我们提出了多样性优先的维持策略。与通常运用收敛性优先的方法不同,本文方法首先通过将目标空间分割成均匀相等的子空间来维持种群的多样性,然后在每个子空间中选择收敛性较好的个体来维持种群的收敛性。该方法能较好的识别经Pareto分层排序后在稍高层上收敛性和多样性都较好的个体。(2)其次针对Pareto支配关系在高维目标空间上的无效性和一般聚类方法对多样性较好收敛性很差的个体的偏好性,我们引入了两层聚类和两层排序方法。两层聚类方法首先对非劣个体进行聚类,并由非劣个体引导受支配个体的聚类来识别收敛性和多样性不平衡的个体。然后根据个体的收敛性和多样性信息将每类中的非劣个体和受支配个体进行排序来维持种群的收敛性和多样性。最后通过对该方法的时间复杂度分析和在13个测试问题上的应用验证了我们的方法在求得较好收敛性和多样性解集的同时能够获得较低的时间复杂度。(3)最后针对约束处理机制对可行解和拥有较低约束违背度解的偏好性,提出一种基于约束支配自适应选择机制的高维多目标约束进化算法。该方法根据种群中不可行解的比例随迭代次数的变化将约束处理分为三种情况,并自适应的选择一种约束机制。通过在3类不同的约束高维多目标优化问题的测试说明了我们的算法能够很好的处理不同约束条件的问题并获得较好收敛性和多样性的解集。
【关键词】：高维多目标优化问题 进化算法 Pareto支配 聚类 约束支配
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 研究背景及意义9-10
• 1.2 进化算法研究现状10-13
• 1.2.1 多目标进化算法研究现状10-11
• 1.2.2 高维多目标进化算法研究现状11-13
• 1.2.3 约束的多目标进化算法研究现状13
• 1.3 本文主要工作13-14
• 1.4 本文结构安排14-15
• 2 多目标进化算法综述15-22
• 2.1 多目标进化算法15-19
• 2.1.1 多目标进化算法的相关概念15-16
• 2.1.2 多目标进化算法模型16
• 2.1.3 交叉算子16-17
• 2.1.4 变异算子17-19
• 2.1.5 环境选择19
• 2.2 多目标进化算法性能指标19-21
• 2.2.1 收敛性性能指标20
• 2.2.2 多样性性能指标20-21
• 2.2.3 综合性能指标21
• 2.3 本章小结21-22
• 3 基于聚类的高维多目标进化算法22-45
• 3.1 NSGA2算法概述22-23
• 3.2 基于聚类的高维多目标进化算法23-31
• 3.2.1 基于聚类的高维多目标进化算法框架24-25
• 3.2.2 种群初始化过程25
• 3.2.3 参考点生成方法25
• 3.2.4 遗传操作25-26
• 3.2.5 标准化操作26
• 3.2.6 两层聚类方法26-29
• 3.2.7 基于聚类的环境选择机制29-30
• 3.2.8 时间复杂度分析30-31
• 3.3 实验结果与分析31-43
• 3.3.1 测试问题集31-32
• 3.3.2 实验设置及性能指标32-33
• 3.3.3 实验结果与分析33-42
• 3.3.4 讨论42-43
• 3.4 本章小结43-45
• 4 基于约束支配自适应选择机制的高维多目标进化算法45-62
• 4.1 约束处理方法概述45-47
• 4.1.1 自适应惩罚法46-47
• 4.1.2 可行解优先法47
• 4.1.3 支配法47
• 4.2 约束支配自适应选择机制47-52
• 4.2.1 不可行域向可行域的进化49-50
• 4.2.2 可行解优先法50-52
• 4.2.3 无约束环境选择法52
• 4.3 实验结果与分析52-61
• 4.3.1 测试问题集52-54
• 4.3.2 实验设置与性能指标54-55
• 4.3.3 实验结果与分析55-59
• 4.3.4 讨论59-61
• 4.4 本章小结61-62
• 5 总结与展望62-64
• 5.1 本文内容总结62
• 5.2 未来工作展望62-64
• 参考文献64-69
• 攻读硕士学位期间发表学术论文情况69-70
• 致谢70-71

【相似文献】

中国期刊全文数据库 前10条

1 曾三友;蔡振华;张青;康立山;;一种评估近似Pareto前沿多样性的方法[J];软件学报;2008年06期

2 周瑾;谢唯;;综合使用序列分析和Pareto图对工序集合的截取(英文)[J];上海第二工业大学学报;2008年03期

3 ;Design of high performance multilayer microwave absorbers using fast Pareto genetic algorithm[J];Science in China(Series E:Technological Sciences);2009年09期

4 蔡瑞;齐佳音;;基于改进的Pareto/NBD模型预测博客用户在线行为[J];统计与信息论坛;2013年06期

5 张岗亭;姜晓兵;王书振;;网络最大流Pareto扩充研究[J];电子科技大学学报;2006年01期

6 董红斌;黄厚宽;何军;侯薇;穆成坡;;一种混合策略的Pareto演化规划[J];模式识别与人工智能;2006年06期

7 周秀玲;孙承意;;Pareto-MEC算法及其收敛性分析[J];计算机工程;2007年10期

8 宋冠英;李海楠;邹玉静;;一种基于Pareto解集的无约束条件的多目标粒子群算法[J];机械工程师;2008年05期

9 陶媛;吴耿锋;胡珉;;基于Pareto的多目标进化免疫算法[J];计算机应用研究;2009年05期

10 ;Diversity of Pareto front: A multiobjective genetic algorithm based on dominating information[J];Journal of Control Theory and Applications;2010年02期

中国重要会议论文全文数据库 前10条

1 ;A Pareto-Based Differential Evolution Algorithm for Multi-objective Optimization Problems[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 周秀玲;孙承意;;Pareto-MEC算法的收敛性分析[A];2005年中国智能自动化会议论文集[C];2005年

3 ;Multiobjective Optimization with Competitive Coevolutionary Genetic Algorithms[A];第二十九届中国控制会议论文集[C];2010年

4 ;Study on New Coordination Mechanisms of Generalized Supply Chains with Loss-averse Agents[A];2009中国控制与决策会议论文集（3）[C];2009年

5 樊铁成;马孜;;Pareto前沿在航线优化中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

6 徐安察;汤银才;;Pareto分布下屏蔽数据的贝叶斯统计分析及其应用[A];技术融合创新·可靠服务企业·安全产品制胜——2013年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第五次全体委员大会论文集[C];2013年

7 陈银美;石连栓;;一种改进的求解均匀分布Pareto解集的多目标遗传算法[A];中国运筹学会第十届学术交流会论文集[C];2010年

8 韩松;魏权龄;;非参数DEA模型最优解的(弱)Pareto性质研究[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

9 樊铁成;马孜;罗勋杰;;Pareto遗传算法在集装箱配载优化中的应用[A];第二十四届中国控制会议论文集（下册）[C];2005年

10 吕萍;李晴;宋吟秋;;考虑运营成本的公路Pareto有效BOT合同[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

中国博士学位论文全文数据库 前6条

1 杨蕴;多目标进化算法及其在地下水优化管理中的应用研究[D];南京大学;2012年

2 耿志超;Pareto优化排序问题研究[D];郑州大学;2016年

3 安彤;VMI模式下供应链的Pareto改进研究[D];天津大学;2011年

4 Deogratias NURWAHA;[D];东华大学;2013年

5 陈泯融;基于极值动力学的优化方法及其应用研究[D];上海交通大学;2008年

6 邢宇飞;复杂产品拆卸序列规划技术研究[D];东北大学;2012年

中国硕士学位论文全文数据库 前10条

1 范超;基于Pareto蚁群算法的MVB周期轮询表设计问题研究[D];大连理工大学;2015年

2 丁冲冲;基于Pareto多目标人工蜂群算法的Web服务组合优化研究[D];南京财经大学;2014年

3 罗强;基于OMD工艺的薄膜成型仿真优化比较与6Sigma评估[D];华东交通大学;2016年

4 胡扬;多目标拆卸线平衡问题的Pareto细菌觅食优化与仿真分析[D];西南交通大学;2016年

5 张韦佳;基于Pareto熵的多目标万有引力优化算法的研究与应用[D];华北电力大学(北京);2016年

6 陈莎;多目标群体博弈中的完美平衡与本质平衡的研究[D];贵州大学;2016年

7 韩红艳;基于Pareto支配的高维多目标进化算法研究[D];大连理工大学;2016年

8 刘媚;混合Pareto分布的统计分析[D];华东师范大学;2009年

9 夏凌;基于Pareto边界的多目标调度研究[D];上海交通大学;2008年

10 南新艳;广义Pareto分布[D];华东师范大学;2005年

，

本文编号：737931