基于规则模型学习的多目标分布估计算法研究

论文摘要

连续多目标优化问题在决策空间的Pareto最优解（PS）和目标空间中的pareto最优前沿（PF）均是一个连续分段的（m-1）维流形体（m是目标函数的个数）。根据这一分布规则特征,先后有学者提出了基于规则模型的多目标分布估计算法（RM-MEDA）和基于高斯过程的逆模型多目标优化算法（IM-MOEA）。这两种算法非常适于求解变量相关的复杂多目标优化问题,但仍存在一定的不足。其一,RM-MEDA根据种群的整体统计信息建立模型,忽略了种群中某些优秀解的局部信息,导致算法在求解一些复杂多目标优化问题时全局搜索能力弱,收敛速度慢;其二,IM-MOEA中的逆模型在求解PS或PF存在极端的非平滑性的多目标优化问题时表现劣势;其三,RM-MEDA中的学习模型在种群分布没有明显规律的情况下表现不佳。基于以上分析,本文的研究内容主要有两个方面。（1）为了弥补RM-MEDA忽略解的局部信息的不足,在算法中加入了直接使用个体信息的差分演化（DE）操作算子,设计了一种改进的RM-MEDA（MRM-MEDA）。MRM-MEDA将分布估计算法的建模采样方式和DE的交叉变异进化方式相结合,丰富了个体的繁殖方式,在进化过程中,种群自适应地选择其中一种繁殖方式产生新个体,且变异过程采用改进后的DE/rand-to-pbest/l策略。在32个测试函数上的实验结果证实了MRM-MEDA的性能优于RM-MEDA和其它两种改进的RM-MEDA算法。（2）针对RM-MEDA中学习模型和IM-MOEA中逆模型存在的缺点,将学习模型和逆模型结合在一起,提出了RM-IM-EDA。RM-IM-EDA将两种模型动态结合,期望利用两个概率模型的采样优势,从而实现更好的性能。此外,RM-IM-EDA引入了基于序列的确定化初始化方法,该方法比随机化初始化方法更容易识别最优解的位置,得到的初始化种群更靠近PS。将所提出的算法与RM-MEDA、IM-MOEA和其它两种改进的IM-MOEA在32个测试函数上进行性能比较,实验结果证叫RM-IM-EDA的收敛性和分布性优于对比算法,且在求解多模或PF不规则的优化问题时的性能比MRM-MEDA优秀。本文主要对多目标优化算法中的基于规则模型学习的多目标分布估计算法的研究做了进一步的深化和拓展,提出的解决方案在仿真分析层面得到了验证,未来将在实践应用层面作进一步的探讨,以求推广。

论文目录

文章来源

类型: 硕士论文

作者: 王慧君

导师: 王彬

关键词: 多目标优化问题,规则分布,分布估计算法,逆模型,差分演化

来源: 西安理工大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 西安理工大学

基金: 国家自然科学基金(NO.61773314,NO.61803301)

分类号: O221.6

总页数: 73

文件大小: 3293K

下载量: 157

相关论文文献

• [1].加强经管学科中算法分析与设计教学的建议[J]. 知识经济 2019(34)
• [2].《算法分析》教学方法探索[J]. 现代计算机 2020(02)
• [3].《算法分析与设计》专题探究式教学改革与实践[J]. 湖北开放职业学院学报 2020(04)
• [4].算法分析与复杂性理论课程案例化教学改革[J]. 计算机教育 2020(04)
• [5].算法分析与设计(双语)课程实践教学模式探索[J]. 中国管理信息化 2017(19)
• [6].应用型人才培养中《算法分析与设计》课程教学方法研究[J]. 科技资讯 2017(04)
• [7].中国古代算法的探究与模型建立[J]. 中华少年 2017(04)
• [8].求离散点最小包围圆在算法初步教学中的案例分析[J]. 中华少年 2017(11)
• [9].算法初步的几个着力点[J]. 高中生学习(试题研究) 2017(09)
• [10].算法分析与设计——分治法的教学方法浅析[J]. 时代教育(教育教学) 2011(10)
• [11].算法即权力:算法范式在新闻传播中的权力革命[J]. 编辑之友 2018(05)
• [12].应用于词法分析器的算法分析优化[J]. 科技经济市场 2017(05)
• [13].超大容量云服务算法分析[J]. 电脑知识与技术 2017(23)
• [14].算法分析与设计课程研究型教学模式探索与实践[J]. 计算机教育 2015(23)
• [15].信息与计算科学专业“算法分析与设计”研究性教学探索[J]. 中国电力教育 2013(01)
• [16].两种常用指纹方向图算法分析及比较[J]. 信息通信 2017(01)
• [17].“算法分析与设计”教学模式探索[J]. 当代教育理论与实践 2011(12)
• [18].“算法分析与设计”课程教学改革和实践[J]. 中国电力教育 2010(16)
• [19].算法分析中概率变化与图形生成[J]. 云南大学学报(自然科学版) 2009(S2)
• [20].数据差异下的连续数据保护恢复算法分析及应用[J]. 微型电脑应用 2020(08)
• [21].基于《算法分析与设计》中计算思维的运用[J]. 牡丹江教育学院学报 2013(01)
• [22].算法分析与设计课程中多媒体技术的应用[J]. 科技风 2009(18)
• [23].图像去雨雪算法分析[J]. 科技风 2019(30)
• [24].“算法分析与设计”课程教学改革与实践[J]. 工业和信息化教育 2017(03)
• [25].浅谈算法分析与设计课程的教学技巧[J]. 福建电脑 2017(09)
• [26].算法分析与设计课程的拓展式教学[J]. 现代计算机(专业版) 2015(24)
• [27].蝙蝠算法研究及应用综述[J]. 计算机工程与应用 2019(15)
• [28].几种常见特殊方阵的算法分析与实现[J]. 无锡职业技术学院学报 2009(05)
• [29].浅谈“贪心方法”的教学经验[J]. 时代教育(教育教学) 2011(11)
• [30].高校学生补考考场分排算法分析及程序设计[J]. 电脑编程技巧与维护 2008(16)

标签：多目标优化问题论文;  规则分布论文;  分布估计算法论文;  逆模型论文;  差分演化论文;