基于进化算法的高维多目标优化问题求解方法及应用

发布时间：2017-03-26 13:07

  本文关键词：基于进化算法的高维多目标优化问题求解方法及应用，由笔耕文化传播整理发布。

【摘要】：多目标进化算法是目前求解多目标优化问题最行之有效的方法,常用的高性能多目标进化算法多用于求解目标数较少的问题。高维多目标优化问题(Many-objective Optimization Problems),即目标数多于5个的问题的研究则是多目标优化领域一个研究热点。本论文旨在探索和设计具有较高搜索能力和搜索效率的高维多目标优化问题求解方法及其应用。论文的主要研究工作及成果包括以下几个方面:(1)针对高维多目标进化算法存在的计算复杂度高、计算效率低等缺点,提出基于ε指标的多目标混合蛙跳算法。该算法以基于种群的单目标混合蛙跳算法为进化机制,采用以下三个关键技术:(i)以ε指标构建适应值分配方法,用于局部进化和存档器更新;(ii)提出基于几何划分的种群分割方法,将非支配个体按几何位置聚类,被支配个体按近似度划分;(iii)提出基于近邻原则的动态全局最优个体选择策略,加快算法收敛。该算法可应用于目标数为3-50的高维多目标优化问题,求解效率高,收敛性好。(2)针对基于目标降维的高维多目标优化问题求解方法存在降维准确性低、鲁棒性差等缺点,提出基于稀疏特征选择的目标降维算法。该算法以多目标进化算法求得的近似解集作为样本数据,利用其几何结构特性和Pareto占优关系构建稀疏回归模型和稀疏投影矩阵,以此度量目标的重要性并实现目标降维,或降维至指定目标数,或寻找满足给定误差阈值的最小目标子集。(3)提出基于在线目标降维的多目标进化算法,该算法结合(1)和(2)的成果,将高维多目标优化问题通过降维转化为小规模优化问题。论文分析了三种在线模式:(i)目标数固定递减;(ii)基于误差阈值的目标数自适应递减;(ii)依重要性指标进行目标整合。结果表明,目标整合在线模式的性能最佳。(4)以脉冲多普勒雷达波形设计为原型实例,研究以上方法有效性。该实例可建模为9个目标的优化问题。应用(1)中的基于ε指标多目标混合蛙跳算法,可获得较为满意的最优解集;应用(2)中的目标偏好排序评估算法,可获得与实际吻合的目标重要性排序;应用(3)中的在线目标降维算法,可获得优于(1)的最优解集。
【关键词】：高维多目标优化问题 多目标进化算法 混合蛙跳算法 目标降维 特征选择
【学位授予单位】：深圳大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP18
【目录】：

• 摘要4-6
• Abstract6-11
• 第一章 绪论11-37
• 1.1 研究背景与意义11-13
• 1.2 多目标优化问题及传统求解方法13-16
• 1.2.1 多目标优化问题数学模型及相关概念13-14
• 1.2.2 传统多目标优化方法14-16
• 1.3 多目标进化算法及其研究现状16-23
• 1.3.1 多目标进化算法16-18
• 1.3.2 多目标进化算法的研究现状18-23
• 1.4 高维多目标优化问题23-33
• 1.4.1 求解高维多目标优化问题的难点23-25
• 1.4.2 高维多目标进化算法研究现状25-30
• 1.4.3 高维多目标优化实例-脉冲多普勒雷达波形设计问题2030-33
• 1.5 论文主要研究工作及内容安排33-37
• 第二章 基于ε指标的多目标混合蛙跳算法37-78
• 2.1 引言37-38
• 2.2 基于指标的适应值分配方法38-45
• 2.2.1 基于指标的适应值分配39-41
• 2.2.2 典型的用于适应值分配的指标及性能比较41-45
• 2.3 混合蛙跳算法45-47
• 2.3.1 混合蛙跳算法模型45-47
• 2.3.2 混合蛙跳算法求解高维多目标优化问题的优势47
• 2.4 基于ε指标的多目标混合蛙跳算法47-57
• 2.4.1 基于几何划分的种群分割48-52
• 2.4.2 基于ε指标的存档器更新策略52-54
• 2.4.3 基于ε指标适应值的局部最优和最差个体的选择54-55
• 2.4.4 基于近邻原则的动态全局最优个体选择策略55
• 2.4.5 基于Pareto占优和ε指标适应值的新个体替换准则.. 4555-56
• 2.4.6 基于非支配排序和ε指标适应值的进化种群更新策略4656-57
• 2.5 实验仿真测试57-77
• 2.5.1 实验设置57-60
• 2.5.2 参数测试60-62
• 2.5.3 基于几何划分的种群分割方法性能测试62-65
• 2.5.4 求解标准测试问题的性能测试65-74
• 2.5.5 求解雷达波形设计问题的性能测试74-77
• 2.6 小结77-78
• 第三章 基于稀疏特征选择的目标降维算法78-102
• 3.1 引言78-79
• 3.2 目标降维问题和已有算法分析79-84
• 3.2.1 目标的冲突性和相关性79-81
• 3.2.2 目标降维问题模型81
• 3.2.3 已有目标降维算法分析81-84
• 3.3 稀疏特征选择84-86
• 3.3.1 特征选择方法84-85
• 3.3.2 稀疏特征选择方法85-86
• 3.4 基于稀疏特征选择的目标降维算法86-91
• 3.4.1 构建邻接图87-88
• 3.4.2 构建稀疏回归模型88
• 3.4.3 稀疏投影矩阵求解方法88-89
• 3.4.4 目标重要性指标89
• 3.4.5 求解 P1 问题的目标降维方法89-90
• 3.4.6 求解P2 问题的目标降维方法90-91
• 3.4.7 目标偏好排序的评估方法91
• 3.5 实验结果与分析91-100
• 3.5.1 性能评估方法及实验设置91-92
• 3.5.2 参数测试92-95
• 3.5.3 SORA1 算法有效性测试95-98
• 3.5.4 SORA2 算法有效性测试98
• 3.5.5 SORA3 算法有效性测试98-100
• 3.6 小结100-102
• 第四章 基于在线目标降维的高维多目标优化问题求解方法102-115
• 4.1 引言102
• 4.2 在线目标降维算法102-105
• 4.2.1 在线目标降维算法模型102-104
• 4.2.2 设计在线目标降维算法时的关键问题104-105
• 4.3 基于ε-MOSFLA和SORA的在线目标降维算法105-108
• 4.3.1 每次减少固定个数的在线目标降维方法106
• 4.3.2 自适应在线目标降维方法106-107
• 4.3.3 基于目标整合的在线目标降维算法107-108
• 4.4 实验结果与分析108-114
• 4.4.1 实验设置108-109
• 4.4.2 参数测试109-111
• 4.4.3 算法性能测试111-113
• 4.4.4 运行时间测试113-114
• 4.5 小结114-115
• 第五章 总结与展望115-119
• 5.1 全文内容总结115-117
• 5.2 未来工作展望117-119
• 参考文献119-133
• 致谢133-134
• 攻读博士学位期间的研究成果134-

【参考文献】

中国期刊全文数据库 前7条

1 段军棋;何子述;韩春林;;高效的PD雷达多重频模糊分辨算法[J];电子科技大学学报;2008年04期

2 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

3 骆剑平;李霞;陈泯融;;混合蛙跳算法的Markov模型及其收敛性分析[J];电子学报;2010年12期

4 葛建军;张春城;;基于模拟退火算法的机载脉冲多普勒雷达中重复频率选择研究[J];电子与信息学报;2008年03期

5 李根;李文辉;;基于混合蛙跳算法的长时间跨度人脸识别[J];东北大学学报(自然科学版);2014年07期

6 公茂果;焦李成;杨咚咚;马文萍;;进化多目标优化算法研究[J];软件学报;2009年02期

7 戚玉涛;刘芳;常伟远;马晓亮;焦李成;;求解多目标问题的Memetic免疫优化算法[J];软件学报;2013年07期

中国硕士学位论文全文数据库 前1条

1 戴小军;对脉冲多普勒雷达干扰技术研究与实现[D];江苏科技大学;2013年

  本文关键词：基于进化算法的高维多目标优化问题求解方法及应用，由笔耕文化传播整理发布。

，

本文编号：268840