基于群智协同进化的多目标组合优化研究与应用

基于群智协同进化的多目标组合优化研究与应用

论文摘要

现实世界中存在大量需要同时优化多个目标的问题。多目标优化问题存在一组对各个目标折衷的解集,它们在目标域的投影一般称为Pareto前沿(PF)。基于分解的多目标优化算法(MOEA/D)将一个多目标优化问题分解成一系列简单的单目标优化子问题,然后通过协作的方式同时解决子问题进而得到用于近似PF的解集。作为组合优化问题的常用方法,局部搜索可以通过MOEA/D框架中扩展应用于组合多目标优化问题。本论文结合MOEA/D框架以及协同群智的局部搜索,设计算法求解多目标组合优化问题,包括以下主要内容:1.在组合优化问题中常存在的尖峰和长尾帕累托前沿(Pareto前沿)情形,使用MOEA/D求解时得到解集通常多样性不是很好。针对上述问题,论文设计了一个均匀分布参考点的多种群局部搜索(URPLS-MP)算法。URPLS-MP算法先利用m(目标数)个种群粗略确定问题的一个最小个体凸集(CHIM),再利用标准边界插值(NBI)方法在CHIM上生成一组均匀分布的参考点,结合由极值点(nadir point)指向理想点(ideal point)的方向向量新构造一个种群迭代得到最终结果。对比实验表明了URPLS-MP的有效性。2.基于分解的框架MOEA/D使用一组预先定义好的一组方向向量和理想点对多目标优化问题进行分解,大量研究显示MOEA/D只在某些特定形状的Pareto前沿效果较好。本文结合协同进化算法框架,提出了一种基于分解的协同群智多目标局部搜索(CoMOLS/D)算法来更好的解决多目标组合优化问题,一个种群使用均匀分布的方向向量来保证收敛性,另一个种群利用前一个种群得到解的分布动态生成方向向量以弥补多样性的缺失。通过对不同种类的多目标进化算法(MOEA)对比实验结果,验证了所提出算法的有效性。

论文目录

  • 摘要
  • abstract
  • 注释表
  • 缩略词
  • 第一章 绪论
  •   1.1 引言
  •   1.2 国内外研究现状
  •   1.3 论文贡献
  •   1.4 论文结构
  • 第二章 多目标优化背景介绍
  •   2.1 多目标优化问题
  •     2.1.1 多目标优化问题的定义
  •     2.1.2 多目标优化的相关概念
  •     2.1.3 多目标优化算法的性能度量标准
  •   2.2 多目标优化算法
  •     2.2.1 多目标优化算法沿革
  •     2.2.2 多目标进化算法
  •   2.3 局部搜索技术
  •   2.4 组合优化测试问题集
  •     2.4.1 多目标旅行商问题集
  •     2.4.2 多目标背包问题集
  •     2.4.3 多目标二次型分配问题集
  •   2.5 算法性能评价指标
  •   2.6 本章小结
  • 第三章 均匀分布参考点的多种群局部搜索算法
  •   3.1 引言
  •   3.2 基于分解的MOEA中聚合方法的变种
  •   3.3 相关工作与算法设计动机
  •   3.4 基于均匀分布参考点的多种群局部搜索算法
  •     3.4.1 算法框架
  •     3.4.2 生成均匀参考点
  •     3.4.3 局部搜索
  •   3.5 实验分析
  •     3.5.1 试验参数设置与度量指标
  •     3.5.2 实验结果与分析
  •   3.6 本章小结
  • 第四章 协同群智多目标局部搜索算法
  •   4.1 引言
  •   4.2 协同进化算法
  •   4.3 相关工作与算法设计动机
  •   4.4 基于协同群智的多目标局部搜索算法
  •     4.4.1 算法框架
  •     4.4.2 局部搜索
  •     4.4.3 协作生成方向向量
  •     4.4.4 更新种群
  •   4.5 实验结果与分析
  •     4.5.1 实验参数设置
  •     4.5.2 实验结果
  •     4.5.3 种群P的大小|P|敏感性测试
  •     4.5.4 种群Q中惩罚系数θ敏感性测试
  •     4.5.5 CoMOLS/D中选用iPBI和iTCH的对比
  •   4.6 算法应用
  •     4.6.1 社团检测问题介绍
  •     4.6.2 社团检测实验结果
  •   4.7 本章小结
  • 第五章 研究工作总结与展望
  •   5.1 本文总结
  •   5.2 研究展望
  • 参考文献
  • 致谢
  • 在学期间的研究成果及学术论文情况
  • 文章来源

    类型: 硕士论文

    作者: 胡密

    导师: 蔡昕烨,曹子宁

    关键词: 多目标优化,分解方法,局部搜索,均匀分布参考点,协同群智,双种群

    来源: 南京航空航天大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 南京航空航天大学

    分类号: O224

    DOI: 10.27239/d.cnki.gnhhu.2019.001890

    总页数: 83

    文件大小: 5389K

    下载量: 105

    相关论文文献

    • [1].研究生组合优化课程中四轨教学协同模式的探索与实践[J]. 中国现代教育装备 2019(11)
    • [2].基于二次粒子群算法的投资组合优化[J]. 计算机应用与软件 2009(06)
    • [3].基于一种启发式迭代算法的产品组合优化[J]. 中国管理信息化 2020(01)
    • [4].高阶投资组合优化问题的研究述评[J]. 财会研究 2012(01)
    • [5].英语环境下预选机制投资组合优化实验研究[J]. 中国市场 2020(02)
    • [6].结构优化设计的组合优化策略[J]. 机械强度 2013(03)
    • [7].基于改进贪婪算法的多场景负荷组合优化[J]. 中国电力 2020(05)
    • [8].考虑可转移负荷的售电公司负荷组合优化[J]. 电力建设 2020(11)
    • [9].蝉鸣优化算法在组合优化问题中的应用[J]. 科技视界 2019(04)
    • [10].两期投资组合优化统一模型[J]. 中国外资 2013(16)
    • [11].基于风险偏好的商业银行企业贷款组合优化探析[J]. 商场现代化 2020(03)
    • [12].多煤层条件下煤层气开发产层组合优化方法[J]. 石油勘探与开发 2018(02)
    • [13].资源受限时的产品组合优化决策[J]. 财会月刊 2016(14)
    • [14].产品组合优化决策方法分析[J]. 财会月刊 2013(17)
    • [15].应用于投资组合优化的强化学习状态与值函数的选择[J]. 福州大学学报(自然科学版) 2020(02)
    • [16].资产组合优化的多分形模型及实证分析[J]. 系统科学与数学 2016(02)
    • [17].基于翻转课堂的组合优化研究生课程教学模式的改革与实践[J]. 教育现代化 2019(59)
    • [18].基于组合优化视角下上海市社会体育指导员服务网络最优化模式研究[J]. 体育科研 2015(05)
    • [19].一种用于求解多目标组合优化的混合遗传算法[J]. 计算机应用研究 2008(10)
    • [20].基于组合优化的非谐调阻尼叶片减振方法研究[J]. 热力透平 2018(02)
    • [21].基于正交试验-组合优化的钢-镁车架设计[J]. 机械设计与研究 2014(01)
    • [22].金融风险的最坏VaR方法与投资组合优化[J]. 数学的实践与认识 2014(05)
    • [23].一种基于QoS指标的服务组合优化方法研究[J]. 科技创新导报 2009(03)
    • [24].多目标组合优化的旅游线路推荐系统[J]. 信息与电脑(理论版) 2016(05)
    • [25].基于聚类思想的交通信号相位组合优化研究[J]. 西华大学学报(自然科学版) 2016(03)
    • [26].育种算法在组合优化计算中的应用[J]. 安徽农业科学 2012(20)
    • [27].基于组合优化算法的门式起重机计算机模型研究[J]. 起重运输机械 2009(05)
    • [28].组合优化问题简约与算法推演[J]. 软件学报 2011(09)
    • [29].基于组合优化方法的深海养殖与加工基地规划论证[J]. 中国高新科技 2018(03)
    • [30].制造物联网环境下动态制造资源建模与服务组合优化[J]. 暨南大学学报(自然科学与医学版) 2017(04)

    标签:;  ;  ;  ;  ;  ;  

    基于群智协同进化的多目标组合优化研究与应用
    下载Doc文档

    猜你喜欢