基于外部集指引的自适应多目标进化算法的研究

发布时间：2017-08-20 20:18

  本文关键词：基于外部集指引的自适应多目标进化算法的研究

  更多相关文章： 进化计算 多目标优化 非支配排序 分解思想 混合思想 自适应指引

【摘要】：现实世界中存在许多的多目标优化问题,即需要同时对多个相互冲突的目标进行优化。多目标优化问题存在一组表示目标间权衡信息的解的集合。进化算法是一类通过模拟自然界生物进化过程而建立起来的智能优化算法。比起传统的确定性算法,进化算法在解决复杂的NP难问题更具有优势。本文主要从多目标进化算法的最新研究成果出发,提出了一种基于外部集指导的自适应多目标进化算法,用来求解多目标优化问题。具体来说,本文的研究工作包含以下几个部分:1、对已有的多目标进化算法进行分类、分析和比较,重点阐述了基于分解的和基于非支配排序的多目标进化算法,分析它们的工作机制以及优缺点。2、提出了一种基于外部集的混合多目标进化算法的新框架。将框架采用了两个集合:一个为工作集,另一个为外部集。并将基于分解的和非支配排序的进化算法分别作用于两个集合。比较实验显示了该混合算法比单一使用算法具有更好的性能。3、本文进一步提出了一种基于外部集指引的自适应多目标进化算法,即通过外部集中获取的信息反馈给工作集,用于指引工作集的搜索方向。算法具有两个集合,其中,工作集保证了搜索的收敛性以及多样性;而外部集自适应地指导着计算资源合理有效地分配到每一个子问题,从而进一步提高算法的效率。本文将提出的自适应混合算法应用于标准测试问题中;与其它的多目标进化算法的对比实验表明,提出的算法具有更好的性能。同时,本文对算法的各个组成部分的作用也进行了实验分析和比较。
【关键词】：进化计算 多目标优化 非支配排序 分解思想 混合思想 自适应指引
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 注释表10-11
• 缩略词11-12
• 第一章 绪论12-18
• 1.1 研究背景12-15
• 1.1.1 进化计算概述13
• 1.1.2 多目标优化问题概述13-14
• 1.1.3 多目标优化相关概念14-15
• 1.2 研究进展15-16
• 1.3 本文主要研究内容16-17
• 1.4 本文各章节组织安排17-18
• 第二章 多目标进化算法简述18-30
• 2.1 多目标进化算法分类18-19
• 2.2 基于帕里托非支配排序的多目标进化算法(NSGA-II)19-22
• 2.2.1 算法概述19-20
• 2.2.2 精英策略20
• 2.2.3 算法实现20-22
• 2.3 基于分解的多目标进化算法(MOEA/D)22-25
• 2.3.1 算法概述22-23
• 2.3.2 分解策略23
• 2.3.3 算法实现23-25
• 2.3.4 算法特点25
• 2.4 性能度量指标与测试问题25-30
• 2.4.1 性能度量指标25-27
• 2.4.2 测试问题27-30
• 第三章 基于支配与基于分解的混合多目标优进化算法30-44
• 3.1 引言30-31
• 3.2 动机31-32
• 3.3 混合多目标进化算法32-34
• 3.3.1 总体框架32-33
• 3.3.2 详细描述33-34
• 3.4 实验设计与结果分析34-41
• 3.4.1 实验设计34-36
• 3.4.2 实验结果36-37
• 3.4.3 性能分析37-41
• 3.5 连续标准测试函数实验41-42
• 3.5.1 结果分析42
• 3.6 本章小结42-44
• 第四章 基于外部集指引的自适应多目标进化算法44-62
• 4.1 引言44-45
• 4.2 动机45-47
• 4.3 基于外部集指引的自适应多目标进化算法47-50
• 4.3.1 总体框架47-49
• 4.3.2 详细描述49-50
• 4.4 实验设计与结果分析50-59
• 4.4.1 实验设计50-51
• 4.4.2 EAG-MOEA/D与经典算法的对比51-54
• 4.4.3 自适应机制的作用分析54-55
• 4.4.4 外部集的作用分析55-59
• 4.5 连续标准测试函数实验59-61
• 4.5.1 结果分析60-61
• 4.6 总结61-62
• 第五章 研究工作总结和未来展望62-64
• 5.1 研究总结62
• 5.2 研究展望62-64
• 参考文献64-69
• 致谢69-70
• 在学期间的研究成果及发表的学术论文70

【相似文献】

中国期刊全文数据库 前10条

1 关志华;多目标进化算法研究初步[J];石家庄经济学院学报;2002年02期

2 张勇德,黄莎白;一种改进的基于约束支配的多目标进化算法[J];计算机工程;2004年16期

3 雷德明,吴智铭;基于个体密集距离的多目标进化算法[J];计算机学报;2005年08期

4 薛娟;郑金华;李旭勇;;一种基于聚集距离的多目标进化算法[J];计算机工程与应用;2005年36期

5 马清亮;胡昌华;;多目标进化算法及其在控制领域中的应用综述[J];控制与决策;2006年05期

6 唐欢容;蒋浩;郑金华;;量子多目标进化算法研究[J];计算机工程与应用;2007年13期

7 林丹;丑英哲;李敏强;;求解多目标二层规划的多目标进化算法[J];系统工程学报;2007年02期

8 郑向伟;刘弘;;多目标进化算法研究进展[J];计算机科学;2007年07期

9 李密青;郑金华;罗彪;伍军;文诗华;;一种基于邻域的多目标进化算法[J];计算机应用;2008年06期

10 汪文彬;钟声;;基于改进拥挤距离的多目标进化算法[J];计算机工程;2009年09期

中国重要会议论文全文数据库 前2条

1 孙海涛;熊鹰;韩峰;;基于多目标进化算法的舰船概念设计方法研究[A];第四届全国船舶与海洋工程学术会议论文集[C];2009年

2 崔逊学;;多目标进化算法的研究现状与群体多样性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

中国博士学位论文全文数据库 前10条

1 丰志伟;多目标进化算法研究及在飞行器动力学系统中的应用[D];国防科学技术大学;2014年

2 代才;基于分解的多目标进化算法研究[D];西安电子科技大学;2014年

3 申瑞珉;高维多目标进化算法及其软件平台研究[D];湘潭大学;2015年

4 孟红云;多目标进化算法及其应用研究[D];西安电子科技大学;2005年

5 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年

6 郭秀萍;多目标进化算法及其在制造系统中的应用研究[D];上海交通大学;2007年

7 谭艳艳;几种改进的分解类多目标进化算法及其应用[D];西安电子科技大学;2013年

8 张明明;面向量子可逆逻辑自动综合的多目标进化算法研究[D];东华大学;2010年

9 刘立衡;多目标进化算法的研究及其在负荷分配中的应用[D];华北电力大学（北京）;2010年

10 师瑞峰;多目标进化算法研究及其在生产排序中的应用[D];北京航空航天大学;2006年

中国硕士学位论文全文数据库 前10条

1 吴坤安;基于分散策略的多目标进化算法研究[D];福建师范大学;2015年

2 马晨琳;基于分解的交互式偏好多目标优化算法研究[D];西安电子科技大学;2014年

3 喻果;基于分解的偏好多目标进化算法及其评价指标的研究[D];湘潭大学;2015年

4 李业兴;基于外部集指引的自适应多目标进化算法的研究[D];南京航空航天大学;2015年

5 文诗华;多目标进化算法中变异算子的研究[D];湘潭大学;2009年

6 孙艳平;带约束的多目标进化算法及其营养膳食模型的研究[D];河南工业大学;2010年

7 李旭勇;多目标进化算法中分布度评价方法的研究[D];湘潭大学;2005年

8 薛娟;多目标进化算法中非均匀问题的研究[D];湘潭大学;2005年

9 左婷婷;基于擂台赛法则和聚集密度的多目标进化算法的研究与应用[D];安徽理工大学;2012年

10 张雯;渐进交互式多目标进化算法在垃圾处理站选址中的应用[D];浙江工业大学;2013年

，

本文编号：708652