超多目标优化问题的算法研究

超多目标优化问题的算法研究

论文摘要

超多目标优化问题作为一类重要的优化问题,其广泛出现在工业界的各个领域,如航空发动机健康管理系统、水流分配系统、汽车发动机校准问题、土地有效使用问题。因此解决超多目标优化问题具有重要的实际意义。本文在进化算法的基础上,提出了两种有效求解超多目标优化问题的超多目标进化算法。本文的主要研究工作和创新如下:(1)为了增大算法的选择压力以及维持解集的多样性,本文在PDMOEA算法的基础上提出了基于目标函数均值和方差Pareto排序的超多目标进化算法(MOEADAVR)。MOEAD-AVR算法通过引入参考点集将目标空间划分为多个子空间;然后将种群内的个体按照欧式距离的大小分配到子空间;其次利用目标函数值的均值和方差对每一个子空间内的个体进行排序;接着按照排序顺序和Pareto支配关系从子空间中选出父代放入匹配池;最后随机从匹配池中选取两个个体,利用个体相似度产生新的后代,进而更新整个子种群。MOEAD-AVR算法创新如下:1)提出基于目标函数值均值和方差的Pareto排序方法;2)提出利用个体之间的相似度产生新的后代。实验结果表明,与超多目标进化算法PDMOEA、KnEA、和GrEA算法相比,MOEADAVR算法在DTLZ和WFG系列测试函数集上有比较好的收敛性和多样性。根据测试函数的特征,MOEAD-AVR算法更为适合处理凹形的超多目标优化问题。(2)为了维持解集的多样性,本文在Two-Arch算法的基础上提出了基于参考点和分解的双档案超多目标进化算法(Two-Arch-ARDD)。该算法通过引入参考点集,将收敛性档案和多样性档案结合起来,实现了收敛性档案到多样性档案的信息传递。在Two-Arch-ARDD算法中,我们首先使用二元指标算子更新收敛性档案;然后利用最大拥挤度距离从收敛性档案中选择一系列个体;其次使用虚拟参考点生成方法对选出来的个体进行操作,产生虚拟参考点集;接着利用虚拟参考点集和修改的边界惩罚距离方法更新多样性档案。Two-Arch-ARDD算法创新成果如下:1)在Two-Arch算法的框架下引入参考点集作为收敛性和多样性档案之间的信息桥梁;2)提出一种新的产生自适应参考点集的方法;最后,Two-Arch-ARDD算法与NSGAIII、MOEAD、IDBEA和θ-DEA算法进行对比,通过实验结果可知,Two-Arch-ARDD算法能够很好地解决超多目标优化问题,在WFG4-WFG9测试函数集上,Two-Arch-ARDD有32个结果均优于其他四个对比算法。根据测试函数的特性可知,Two-Arch-ARDD能够很好地解决有多峰的、欺骗的、有偏转的、有欺骗的凹超多目标优化问题。

论文目录

  • 摘要
  • ABSTRACT
  • 符号对照表
  • 缩略语对照表
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 多目标优化国内外研究现状
  •   1.3 本文研究内容及创新之处
  •   1.4 论文框架
  • 第二章 基础概念与相关工作
  •   2.1 多目标优化问题描述
  •   2.2 进化算法概述
  •     2.2.1 进化算法的基本流程
  •     2.2.2 进化算法优缺点分析
  •   2.3 多目标进化算法的评价指标
  •     2.3.1 反转世代距离(IGD)指标
  •     2.3.2 超体积(H)指标
  •   2.4 超多目标进化算法的测试函数和结果可视化
  •     2.4.1 测试函数
  •     2.4.2 超多目标优化问题的结果可视化
  •   2.5 本章小结
  • 第三章 基于均值和方差的Pareto排序超多目标进化算法
  •   3.1 引言
  •   3.2 基于Pareto支配的多目标优化算法简介
  •   3.3 基于均值和方差的Pareto排序超多目标进化算法
  •     3.3.1 双层系统产生参考点集策略
  •     3.3.2 基于函数均值和方差的Pareto排序策略
  •     3.3.3 基于AVR的匹配池选择策略
  •     3.3.4 基于父代相似度的后代产生策略
  •     3.3.5 基于AVR的选择更新策略
  •   3.4 实验仿真
  •     3.4.1 测试函数
  •     3.4.2 参数设置
  •     3.4.3 结果分析
  •   3.5 本章小结
  • 第四章 基于参考点和分解的双档案超多目标进化算法
  •   4.1 引言
  •   4.2 双档案进化算法简介
  •   4.3 基于参考点和分解的双档案超多目标进化算法
  •     4.3.1 基于指标算子更新收敛性档案的策略
  •     4.3.2 基于收敛性档案产生参考点集的策略
  •     4.3.3 基于修改的PBI更新多样性档案的策略
  •   4.4 实验仿真
  •     4.4.1 测试函数
  •     4.4.2 参数设置
  •     4.4.3 结果分析
  •   4.5 本章小结
  • 第五章 总结与展望
  •   5.1 工作总结
  •   5.2 未来展望
  • 参考文献
  • 致谢
  • 作者简介
  • 文章来源

    类型: 硕士论文

    作者: 王兴银

    导师: 王宇平

    关键词: 超多目标优化,排序,参考点集,双档案,二元指标算子

    来源: 西安电子科技大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 西安电子科技大学

    分类号: O224

    DOI: 10.27389/d.cnki.gxadu.2019.002375

    总页数: 73

    文件大小: 3261K

    下载量: 136

    相关论文文献

    • [1].基于参考线的预测策略求解动态多目标优化问题[J]. 控制与决策 2020(07)
    • [2].典型多目标优化算法在控制优化中的适用性研究[J]. 科技视界 2020(19)
    • [3].基于高维多目标优化的多车场车辆路径问题[J]. 计算机与数字工程 2017(07)
    • [4].一种基于多目标优化的混凝剂综合评价方法[J]. 净水技术 2017(09)
    • [5].多目标优化问题的模糊交叉算法与收敛性初探[J]. 电脑迷 2017(03)
    • [6].基于遗传算法的货箱多目标优化[J]. 车辆与动力技术 2019(04)
    • [7].多目标优化算法标准测试函数寻优研究[J]. 电脑知识与技术 2020(23)
    • [8].基于分布估计算法的多目标优化[J]. 软件 2017(12)
    • [9].融合张角拥挤控制策略的高维多目标优化[J]. 自动化学报 2015(06)
    • [10].多目标优化算法的应用模型[J]. 成功(教育) 2011(05)
    • [11].线性互补问题与多目标优化[J]. 数学杂志 2014(03)
    • [12].多目标优化问题的研究[J]. 东莞理工学院学报 2014(03)
    • [13].浅析多目标优化问题[J]. 科技视界 2013(14)
    • [14].正交设计的E占优策略求解高维多目标优化问题研究[J]. 计算机科学 2012(02)
    • [15].一种改进的基于分解多目标优化算法[J]. 电脑知识与技术 2012(34)
    • [16].改进选择策略的有约束多目标优化算法[J]. 高技术通讯 2019(12)
    • [17].云计算资源多目标优化调度方法在移动端子系统中的应用[J]. 河南科技 2019(35)
    • [18].考虑综合需求侧响应的区域综合能源系统多目标优化调度[J]. 电力建设 2020(07)
    • [19].动态多目标优化:测试函数和算法比较[J]. 控制与决策 2020(10)
    • [20].多目标优化软件开发及其应用[J]. 工程设计学报 2015(03)
    • [21].基于全局排序的高维多目标优化研究[J]. 软件学报 2015(07)
    • [22].基于多目标优化问题的教学质量评价模型研究[J]. 时代教育(教育教学版) 2009(Z1)
    • [23].面向客户定制产品开发的多目标优化算法设计[J]. 中国机械工程 2012(06)
    • [24].一类多目标优化问题的有效解[J]. 贵州师范大学学报(自然科学版) 2012(02)
    • [25].图像处理优化的系统流程与多目标优化理论分析[J]. 硅谷 2012(19)
    • [26].一种求解动态多目标优化问题的粒子群算法[J]. 系统仿真学报 2011(02)
    • [27].一类带约束多目标优化问题的区间算法[J]. 黑龙江科技学院学报 2009(01)
    • [28].多目标优化问题的求解框架[J]. 微计算机信息 2009(36)
    • [29].激活规则多目标优化算法在任务分解中的应用[J]. 计算机工程 2020(03)
    • [30].一类多目标优化控制问题的混合型对偶[J]. 内蒙古农业大学学报(自然科学版) 2019(06)

    标签:;  ;  ;  ;  ;  

    超多目标优化问题的算法研究
    下载Doc文档

    猜你喜欢