改进的基于分解的进化多目标优化算法及其应用
发布时间：2021-07-24 19:01
基于分解的进化多目标优化算法（MOEA/D）作为进化算法中的一个典型算法,具有搜索能力强和不依赖于具体问题的特点,是求解多目标优化问题中发展较快,优化效果较好的一种方法。然而现有的MOEA/D算法及其变种普遍存在如下问题:（1）算法的全局和局部搜索能力低下;（2）解的分布不均匀;（3）处理离散问题性能差。针对这些问题,本文提出了基于蒙特卡洛和自适应差分算子的分解进化多目标优化算法（MOEA/D-MC-SA）,并将其进一步改进并用来处理背包问题。本文针对基于分解的进化多目标优化算法存在全局和局部搜索能力低下、解的分布不均匀以及处理离散问题性能差等问题,提出了相应的改进方法,主要完成了以下的工作内容:1.提出基于蒙特卡洛和自适应差分算子的分解进化多目标优化算法（MOEA/D-MC-SA）。该算法的主要创新点如下:（1）采用蒙特卡洛方法来产生初始种群,避免了大多数进化算法的随机初始化种群带来的解的分布不均匀而导致算法搜索能力低下的问题。（2）设计了一种自适应策略差分进化操作,能实现在进化过程中动态调整缩放因子F和交叉概率CR以提高局部搜索能力。对该算法通过多组测试函数,与其他四种算法进行对比...
【文章来源】：西安石油大学陕西省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
本文各章之间的关系
第二章基于差分进化的分解进化多目标优化算法(MOEA/D-DE)13图2-1边界交叉法(3)权重和方法[12]该方法主要是通过多目标问题中不同目标的贡献程度，分配与之匹配的权重值，然后按照对应权重与目标的乘积和作为目标函数。最后的目标函数见公式(2-9):1ming,mwsiiixfx(2-9)其中，i0且11,.miix2.3.2MOEA/D-DE算法的权向量设计在该算法中，权向量的分配主要是通过参数H来控制的。种群规模一般用N来表示，用1,...,N表示N个权重向量。参数H与以下两个因素有关：一是种群规模，二是权重向量。二者之间的关系可以用如下式(2-10)表示：11mHmNC(2-10)每一个权重分量都来自权向量的分配区间如式(2-11)所示：01,,...,HHHH(2-11)一般地，当目标函数有2个，即m2时，种群规模相应地设置为N100，通过公式(2-10)计算得参数H100，则权重向量表示如式(2-12)：101001999911000,...,,,,,...,,,,100100100100100100100100N(2-12)当目标函数有3个，即m3时，种群规模相应地设置为N210通过公式(2-10)计算得参数H19，则权重向量表示如式(2-13)：
西安石油大学硕士学位论文16图2-2MOEA/D算法流程图图2-3MOEA/D-DE算法流程图MOEA/D算法与MOEA/D-DE算法流程基本一致，两者之间的差别在于交叉算子操作的不同，前者是SBX操作算子，而后者采用的是差分进化操作。2.4本章小结本章详细介绍了差分进化算法中的分解机制、权向量设计、差分进化操作、多项式变异操作等定义以及算法的实现过程。种群初始化一直是进化多目标优化算法的重中之重，同样，对于基于分解的进化多目标优化算法也不例外，它直接影响了算法的搜索能力。原始的MOEA/D-DE是采用固定的参数来实现各个单目标的优化，对于不同的问题需要进行反复的手工调参的过程，这是算法的另一个缺陷。第三章主要针对以上不足进行研究，并提出相应的改进策略。另外文献中MOEA/D-DE是用来求解连续多目标优化问题的，并没有开展相关算法的离散型优化问题的求解。第四章主要是针对此点进行研究，并提出相应的改进策略。
【参考文献】：
期刊论文
[1]进化多目标优化算法研究[J]. 公茂果,焦李成,杨咚咚,马文萍. 软件学报. 2009(02)
[2]基于惩罚和修复混合策略的约束处理方法[J]. 田方,邵娟,张禹. 计算机工程与设计. 2006(12)
博士论文
[1]基于生物启发计算的知识发现关键技术研究与实现[D]. 彭京.四川大学 2006
硕士论文
[1]差分进化算法在组合优化问题中的应用研究[D]. 张明.南京信息工程大学 2011
本文编号：3301240
【文章来源】：西安石油大学陕西省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
本文各章之间的关系
第二章基于差分进化的分解进化多目标优化算法(MOEA/D-DE)13图2-1边界交叉法(3)权重和方法[12]该方法主要是通过多目标问题中不同目标的贡献程度，分配与之匹配的权重值，然后按照对应权重与目标的乘积和作为目标函数。最后的目标函数见公式(2-9):1ming,mwsiiixfx(2-9)其中，i0且11,.miix2.3.2MOEA/D-DE算法的权向量设计在该算法中，权向量的分配主要是通过参数H来控制的。种群规模一般用N来表示，用1,...,N表示N个权重向量。参数H与以下两个因素有关：一是种群规模，二是权重向量。二者之间的关系可以用如下式(2-10)表示：11mHmNC(2-10)每一个权重分量都来自权向量的分配区间如式(2-11)所示：01,,...,HHHH(2-11)一般地，当目标函数有2个，即m2时，种群规模相应地设置为N100，通过公式(2-10)计算得参数H100，则权重向量表示如式(2-12)：101001999911000,...,,,,,...,,,,100100100100100100100100N(2-12)当目标函数有3个，即m3时，种群规模相应地设置为N210通过公式(2-10)计算得参数H19，则权重向量表示如式(2-13)：
西安石油大学硕士学位论文16图2-2MOEA/D算法流程图图2-3MOEA/D-DE算法流程图MOEA/D算法与MOEA/D-DE算法流程基本一致，两者之间的差别在于交叉算子操作的不同，前者是SBX操作算子，而后者采用的是差分进化操作。2.4本章小结本章详细介绍了差分进化算法中的分解机制、权向量设计、差分进化操作、多项式变异操作等定义以及算法的实现过程。种群初始化一直是进化多目标优化算法的重中之重，同样，对于基于分解的进化多目标优化算法也不例外，它直接影响了算法的搜索能力。原始的MOEA/D-DE是采用固定的参数来实现各个单目标的优化，对于不同的问题需要进行反复的手工调参的过程，这是算法的另一个缺陷。第三章主要针对以上不足进行研究，并提出相应的改进策略。另外文献中MOEA/D-DE是用来求解连续多目标优化问题的，并没有开展相关算法的离散型优化问题的求解。第四章主要是针对此点进行研究，并提出相应的改进策略。
【参考文献】：
期刊论文
[1]进化多目标优化算法研究[J]. 公茂果,焦李成,杨咚咚,马文萍. 软件学报. 2009(02)
[2]基于惩罚和修复混合策略的约束处理方法[J]. 田方,邵娟,张禹. 计算机工程与设计. 2006(12)
博士论文
[1]基于生物启发计算的知识发现关键技术研究与实现[D]. 彭京.四川大学 2006
硕士论文
[1]差分进化算法在组合优化问题中的应用研究[D]. 张明.南京信息工程大学 2011
本文编号：3301240
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3301240.html
