發(fā)布時(shí)間：2021-08-07 00:21

　　在工程、生產(chǎn)、科研等各個(gè)領(lǐng)域中存在大量的優(yōu)化問(wèn)題,其中存在著一類(lèi)需要同時(shí)優(yōu)化多個(gè)目標(biāo)的優(yōu)化問(wèn)題,簡(jiǎn)稱(chēng)多目標(biāo)優(yōu)化問(wèn)題。在這類(lèi)多目標(biāo)優(yōu)化問(wèn)題中每個(gè)目標(biāo)往往都具有非線(xiàn)性、不可微的特性,并且這些目標(biāo)之間相互牽制。因此傳統(tǒng)解決單目標(biāo)優(yōu)化問(wèn)題的方法已不再適用于處理多目標(biāo)優(yōu)化問(wèn)題。目前處理這類(lèi)問(wèn)題使用最多的方法是多目標(biāo)進(jìn)化算法。它在每次優(yōu)化中得到的不再是某個(gè)單一的最優(yōu)解,而是一組權(quán)衡各個(gè)目標(biāo)信息折中的解的集合（在目標(biāo)空間稱(chēng)為Pareto前沿）。多目標(biāo)進(jìn)化算法是基于自然界中生物進(jìn)化理論而提出的,算法中主要包括選擇、交叉、變異三大步驟。近年來(lái),學(xué)者們基于這三個(gè)步驟,探究了很多相關(guān)算法。本文首先對(duì)交叉操作中的傳統(tǒng)重組算子（Simulated Binary Crossover,SBX;Differential Evolution,DE）進(jìn)行了分析,然后利用數(shù)理統(tǒng)計(jì)知識(shí)將重組算子模型化,改變了傳統(tǒng)重組算子一直被人質(zhì)疑缺乏數(shù)學(xué)理論基礎(chǔ)的看法。該方法主要是利用分析出來(lái)的搜索模式,使用數(shù)理統(tǒng)計(jì)中采樣點(diǎn)的方式重新構(gòu)建重組算子的搜索模式,最后再利用構(gòu)建的搜索模型產(chǎn)生子代。這樣模型化的重組算子不僅能保證重組算子原本的搜索... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 多目標(biāo)算法研究的相關(guān)信息
    1.3 本文的研究?jī)?nèi)容與論文結(jié)構(gòu)
        1.3.1 主要工作
        1.3.2 論文結(jié)構(gòu)
第2章 相關(guān)概念和研究現(xiàn)狀
    2.1 多目標(biāo)優(yōu)化算法的基本概念
        2.1.1 多目標(biāo)優(yōu)化算法的基本概念
        2.1.2 多目標(biāo)優(yōu)化算法基本流程
    2.2 多目標(biāo)算法研究的相關(guān)方法
    2.3 重組算子的介紹
        2.3.1 傳統(tǒng)重組算子
        2.3.2 基于概率模型的重組算子
        2.3.3 逆模型重組算子
第3章 傳統(tǒng)重組算子在多目標(biāo)算法中的模型化
    3.1 引言
    3.2 相關(guān)數(shù)學(xué)知識(shí)的介紹
        3.2.1 期望和協(xié)方差計(jì)算
        3.2.2 隨機(jī)數(shù)生成方法
    3.3 傳統(tǒng)重組算子模型化
        3.3.1 SBX重組算子及其模型化方法介紹
        3.3.2 DE重組算子及其模型化方法介紹
    3.4 模型化算子在算法框架中的應(yīng)用
        3.4.1 模型化算子在NSGA-Ⅱ的使用
        3.4.2 模型化算子在MOEA/D的使用
    3.5 實(shí)驗(yàn)結(jié)果
        3.5.1 參數(shù)的設(shè)置以及評(píng)價(jià)指標(biāo)的介紹
        3.5.2 傳統(tǒng)重組算子與模型化算子的比較
    3.6 本章小結(jié)
第4章 高斯重組算子介紹與改進(jìn)
    4.1 引言
    4.2 高斯重組算子介紹
    4.3 高斯重組算子相關(guān)研究
    4.4 MOEA/D-AMG算法介紹
        4.4.1 自適應(yīng)策略
        4.4.2 MOEA/D-AMG算法框架
    4.5 實(shí)驗(yàn)結(jié)果分析
        4.5.1 MOEA/D-AMG與其他算法比較
        4.5.2 自適應(yīng)方法分析
    4.6 本章小結(jié)
第5章 多目標(biāo)算法在基因網(wǎng)絡(luò)比對(duì)的應(yīng)用
    5.1 引言
    5.2 問(wèn)題定義和模型構(gòu)建
        5.2.1 問(wèn)題描述
        5.2.2 模型的構(gòu)建
    5.3 算法的介紹
        5.3.1 編碼方式
        5.3.2 相關(guān)概念定義
        5.3.3 算法框架
        5.3.4 初始化和交叉操作
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 數(shù)據(jù)集介紹
        5.4.2 比較算法說(shuō)明
        5.4.3 評(píng)價(jià)指標(biāo)
        5.4.4 參數(shù)設(shè)置
        5.4.5 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：3326775