改进的基于分解的多目标优化算法及其
发布时间：2021-07-06 09:46
实际问题中,经常遇到需同时优化的相互冲突的多个目标,种群群体算法可以较好地解决多目标优化问题。基于分解的多目标优化算法（Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D）作为其中的突出代表,将多目标进行分解、转换为同时优化几个单目标的问题,以其较强的解搜索能力、高效的适应度评价和良好的收敛性能等优点成为研究热点并应用于各个领域。本文从MOEA/D算法入手研究其优缺点,通过改进尽量发挥其优点避其缺点并应用于实际问题中。主要工作包括:由于MOEA/D算法的优势是同时优化各子问题,降低了传统多目标优化算法的多样性,但不足之处在于随着目标维度的上升,算法求得的近似Pareto解的个数随之增加,导致算法全局搜索最优解的能力下降和Pareto解集较为复杂时,算法对最优解的选取存在不足、易陷入局部最优。本文提出两种不同思路的改进MOEA/D（Improved Multi-objective Evolutionary Algorithm Based on Decomposition,IMOEAD）。第一种,首先通过...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
基于正态分布交叉和莱维飞行的IMOEAD的算法流程图
第3章基于均匀设计和混合变异的IMOEAD20（c）Axialdesigns图3.1三种设计方法生成的点的分布由上可知，以上设计的不足之处即多数测试点分布在边界上且选择较少，而均匀设计是在区域Ts上生成均匀散布的试验点，对应到本文即生成N个权重向量。构造均匀设计表是均匀设计的重要一环。由于目前只能在现有的均匀设计表和使用表中查用，本文采用曹慧荣等人[56]的方法生成可以满足实验的任意试验次数n，因素数s和因素水平数q的均匀设计Un(qs)，对应于本文即n=N、q=N和s=M，最终生成的均匀设计表的第i行第j列的元素Uij对应于权重向量的ji。混料配方均匀设计是在单位立方空间Cs-1上的均匀设计经变换生成Ts上的均匀设计。变换方式如下：（1）找到均匀设计表Un(qs-1)，Ukj表示表中第k行第j列的元素；（2）按式（3.1）计算Ckj：(0.5)/,,1,...,1;1,...,kjkjCUnjskn.....................................(3.1)（4）按式（3.2）生成gkj：sj,1,,1;1,,kjkjgCjskn.......................................(3.2)（5）按式（3.3）计算λkj：12(1)...(1),1,...,1;1,...,kjkkkjkjggggjskn................................(3.3)（6）按式（3.4）计算λks：12(1)...,1,...,kskkksgggkn...................................................(3.4)经过变换得到的通用公式为：1111111(1)isisjkikikijssjkskijCCC…………………..…...................…（3.5）即若s取3，可得：
基于均匀分布和混合变异的IMOEAD的算法流程图
【参考文献】：
期刊论文
[1]动态惩罚分解策略下的高维目标进化算法[J]. 王丽萍,张梦紫,吴峰,章鸣雷,叶枫. 小型微型计算机系统. 2018(10)
[2]基于正交设计模型的多目标进化算法[J]. 吴金妹,王亚辉,贾晨辉. 农业机械学报. 2017(02)
[3]基于分解进化多目标优化算法的火力分配问题[J]. 张滢,杨任农,左家亮,景小宁. 系统工程与电子技术. 2014(12)
[4]一种改进的基于分解的多目标进化算法[J]. 侯薇,董红斌,印桂生. 计算机科学. 2014(02)
[5]一种改进的基于分解多目标优化算法[J]. 宋武,陈德祥. 电脑知识与技术. 2012(34)
[6]一种基于正态分布交叉的ε-MOEA[J]. 张敏,罗文坚,王煦法. 软件学报. 2009(02)
[7]多目标进化算法中变异算子的比较与研究[J]. 文诗华,郑金华,李密青. 计算机工程与应用. 2009(02)
[8]均匀设计表的MATLAB实现[J]. 曹慧荣,李莉. 统计与决策. 2008(06)
[9]可加混料模型的A-最优轴设计[J]. 赵娜,张崇岐. 广州大学学报(自然科学版). 2007(03)
硕士论文
[1]多目标优化进化算法研究与应用[D]. 王瑜.电子科技大学 2019
[2]多目标粒子群优化算法及其应用研究[D]. 吴柏林.电子科技大学 2019
[3]改进粒子群算法在天线设计中的应用[D]. 茅继晨.杭州电子科技大学 2019
[4]基于CSO算法的阵列天线旁瓣电平抑制方法研究[D]. 梁爽.吉林大学 2017
[5]基于分解的混合多目标进化算法的研究与应用[D]. 赵晶晶.安徽理工大学 2013
本文编号：3268010
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
基于正态分布交叉和莱维飞行的IMOEAD的算法流程图
第3章基于均匀设计和混合变异的IMOEAD20（c）Axialdesigns图3.1三种设计方法生成的点的分布由上可知，以上设计的不足之处即多数测试点分布在边界上且选择较少，而均匀设计是在区域Ts上生成均匀散布的试验点，对应到本文即生成N个权重向量。构造均匀设计表是均匀设计的重要一环。由于目前只能在现有的均匀设计表和使用表中查用，本文采用曹慧荣等人[56]的方法生成可以满足实验的任意试验次数n，因素数s和因素水平数q的均匀设计Un(qs)，对应于本文即n=N、q=N和s=M，最终生成的均匀设计表的第i行第j列的元素Uij对应于权重向量的ji。混料配方均匀设计是在单位立方空间Cs-1上的均匀设计经变换生成Ts上的均匀设计。变换方式如下：（1）找到均匀设计表Un(qs-1)，Ukj表示表中第k行第j列的元素；（2）按式（3.1）计算Ckj：(0.5)/,,1,...,1;1,...,kjkjCUnjskn.....................................(3.1)（4）按式（3.2）生成gkj：sj,1,,1;1,,kjkjgCjskn.......................................(3.2)（5）按式（3.3）计算λkj：12(1)...(1),1,...,1;1,...,kjkkkjkjggggjskn................................(3.3)（6）按式（3.4）计算λks：12(1)...,1,...,kskkksgggkn...................................................(3.4)经过变换得到的通用公式为：1111111(1)isisjkikikijssjkskijCCC…………………..…...................…（3.5）即若s取3，可得：
基于均匀分布和混合变异的IMOEAD的算法流程图
【参考文献】：
期刊论文
[1]动态惩罚分解策略下的高维目标进化算法[J]. 王丽萍,张梦紫,吴峰,章鸣雷,叶枫. 小型微型计算机系统. 2018(10)
[2]基于正交设计模型的多目标进化算法[J]. 吴金妹,王亚辉,贾晨辉. 农业机械学报. 2017(02)
[3]基于分解进化多目标优化算法的火力分配问题[J]. 张滢,杨任农,左家亮,景小宁. 系统工程与电子技术. 2014(12)
[4]一种改进的基于分解的多目标进化算法[J]. 侯薇,董红斌,印桂生. 计算机科学. 2014(02)
[5]一种改进的基于分解多目标优化算法[J]. 宋武,陈德祥. 电脑知识与技术. 2012(34)
[6]一种基于正态分布交叉的ε-MOEA[J]. 张敏,罗文坚,王煦法. 软件学报. 2009(02)
[7]多目标进化算法中变异算子的比较与研究[J]. 文诗华,郑金华,李密青. 计算机工程与应用. 2009(02)
[8]均匀设计表的MATLAB实现[J]. 曹慧荣,李莉. 统计与决策. 2008(06)
[9]可加混料模型的A-最优轴设计[J]. 赵娜,张崇岐. 广州大学学报(自然科学版). 2007(03)
硕士论文
[1]多目标优化进化算法研究与应用[D]. 王瑜.电子科技大学 2019
[2]多目标粒子群优化算法及其应用研究[D]. 吴柏林.电子科技大学 2019
[3]改进粒子群算法在天线设计中的应用[D]. 茅继晨.杭州电子科技大学 2019
[4]基于CSO算法的阵列天线旁瓣电平抑制方法研究[D]. 梁爽.吉林大学 2017
[5]基于分解的混合多目标进化算法的研究与应用[D]. 赵晶晶.安徽理工大学 2013
本文编号：3268010
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3268010.html
