基于支配结构保持的超多目标降维算法研究

论文摘要

随着经济的快速发展,许多企业对高质量、低成本、高安全性等多重矛盾的需求越来越高,从而需要考虑的目标（因素）越来越多.因此,研究四个以上冲突目标同时达到最优的优化问题即超多目标优化问题（many-objective optimization problems）十分重要.在一些实际应用中许多优化问题都含有冗余目标,目标降维方法通过分析目标间的关系,去除冗余目标,从而找到最少必要目标子集.目前,目标降维方法是解决超多目标优化问题的有效途径.本文提出了一种新的目标降维方法.首先提出了一种有效的目标冲突程度的度量准则,通过非支配解对所占比例,即σ指标衡量两个目标的冲突程度.基于支配程度矩阵的方法可以快速的计算σ指标.本文提出的冲突性度量准则考虑到了潜在的支配结构保持,能对目标之间的冲突程度给出一个有效的度量.在该准则的基础之上,本文应用特征选择技术提出了一种快速目标降维算法,该算法算法具有较低的计算复杂度.在DTLZ（I,M）的9个测试实例上,提出的算法与δ-MOSS算法,LPCA,NLMVUPCA算法比较,数值仿真结果表明了本文提出方法的有效性.另外,本文将目标降维问题转化为一个约束多目标优化问题,然后应用进化算法进行求解.第一个目标对应的是所选目标子集的规模,即降维后目标的数目;第二个目标对应的是本文提出的支配结构改变程度σ指标的值.由于在目标降维中,降维后的优化问题的解与原优化问题的解应该尽可能的保持一致,即解集的非支配关系应该尽可能地保持,因此支配结构改变程度σ指标的值不能太大.此外,该优化问题是一个对目标集进行选择的组合优化问题,组合优化问题对进化算法带来了极大的挑战.鉴于此,本文提出一种通过搜索邻域的局部搜索方法来提高算法的效率.最后将提出的基于带有局部搜索的约束进化算法的目标降维算法同δ-MOSS,k-EMOSS,FORA算法在常用测试函数DTLZ（I,M）上对比,仿真实验结果表明本文提出算法具有很好的性能.

论文目录

文章来源

类型: 硕士论文

作者: 韩灵芝

导师: 刘海林

关键词: 超多目标优化,冲突度量,特征选择,约束多目标优化,局部搜索

来源: 广东工业大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 广东工业大学

分类号: O224

DOI: 10.27029/d.cnki.ggdgu.2019.000163

总页数: 43

文件大小: 1547K

下载量: 30

相关论文文献

• [1].流式数据的动态正交降维算法[J]. 闽江学院学报 2020(05)
• [2].对人脸识别特征数据降维算法的优化[J]. 重庆电子工程职业学院学报 2012(01)
• [3].混合约束非线性最优化问题的一个降维算法[J]. 山西师范大学学报(自然科学版) 2015(03)
• [4].基于自适应局部保持映射的图像特征降维算法[J]. 吉林大学学报(信息科学版) 2008(05)
• [5].基于权值的局部保持半监督降维算法[J]. 计算机应用研究 2011(04)
• [6].黄酒糖度近红外光谱降维算法的研究[J]. 中国计量学院学报 2015(01)
• [7].几种降维算法的研究及应用[J]. 科技视界 2016(16)
• [8].基于降维算法的结构混合可靠性分析方法[J]. 中南大学学报(自然科学版) 2018(08)
• [9].一种面向异常检测的高光谱图像降维算法[J]. 测绘科学 2015(07)
• [10].基于流形保持的半监督局部排列降维算法[J]. 微型电脑应用 2013(05)
• [11].一种非线性降维算法在组合预测模型中的应用[J]. 计算机应用研究 2011(05)
• [12].基于偏最小二乘法的多光谱降维算法[J]. 激光与光电子学进展 2020(01)
• [13].一种基于局部和判别特性的降维算法[J]. 计算机应用研究 2009(09)
• [14].L-PCA算法下的高维图像降维算法研究[J]. 西安科技大学学报 2017(06)
• [15].一种增量式类内局部保持降维算法[J]. 计算机科学 2012(S3)
• [16].基于成对约束和稀疏保留的数据降维算法[J]. 计算机工程 2011(24)
• [17].基于信号传递的神经网络文本降维算法[J]. 计算机工程 2011(05)
• [18].基于博弈模型的共同进化降维算法在运动员营养配餐中的应用[J]. 河南工业大学学报(自然科学版) 2013(04)
• [19].基于稀疏表示和非参数判别分析的降维算法[J]. 国防科技大学学报 2013(02)
• [20].几个非线性降维算法的比较研究[J]. 电子技术与软件工程 2014(22)
• [21].混合交通网络设计问题的迭代降维算法(英文)[J]. Journal of Southeast University(English Edition) 2012(02)
• [22].一种新的全局嵌入降维算法[J]. 自动化学报 2011(07)
• [23].基于图的半监督降维算法[J]. 计算机科学 2014(04)
• [24].基于降维算法的分布式语义资源搜索[J]. 北京邮电大学学报 2013(02)
• [25].基于密度刻画的降维算法[J]. 计算机工程 2011(21)
• [26].高维数据降维算法综述[J]. 西安文理学院学报(自然科学版) 2014(04)
• [27].基于马氏距离的局部边界Fisher分析降维算法[J]. 计算机应用 2013(07)
• [28].高光谱图像半监督局部稀疏嵌入降维算法[J]. 沈阳大学学报(自然科学版) 2014(06)
• [29].基于稀疏表示的图嵌入降维算法在人脸识别中的应用研究[J]. 长春理工大学学报(自然科学版) 2018(01)
• [30].半监督的稀疏保持二维边界Fisher分析降维算法[J]. 计算机辅助设计与图形学学报 2014(06)

标签：超多目标优化论文;  冲突度量论文;  特征选择论文;  约束多目标优化论文;  局部搜索论文;