發(fā)布時(shí)間：2020-05-12 15:38

【摘要】：多目標(biāo)優(yōu)化作為運(yùn)籌優(yōu)化的一個(gè)重要分支,主要研究多個(gè)目標(biāo)值同時(shí)最優(yōu)化的問(wèn)題,在計(jì)算機(jī)科學(xué)、人工智能、金融分析及其他學(xué)科和工程領(lǐng)域中,都存在非常廣泛的應(yīng)用�，F(xiàn)實(shí)世界中的許多問(wèn)題都可以應(yīng)用組合優(yōu)化的方法來(lái)解決,而這些問(wèn)題往往存在相互沖突的目標(biāo)需要同時(shí)優(yōu)化,為了達(dá)到最佳的優(yōu)化結(jié)果,往往需要對(duì)各個(gè)目標(biāo)進(jìn)行折衷。無(wú)約束二元二次規(guī)劃問(wèn)題,作為一類經(jīng)典的組合優(yōu)化問(wèn)題,一直以來(lái)都是研究的熱點(diǎn)之一,學(xué)術(shù)界相繼提出了精確算法、啟發(fā)式算法和元啟發(fā)式算法。由于無(wú)約束二元二次規(guī)劃問(wèn)題的NP-難本質(zhì),導(dǎo)致精確算法往往無(wú)法在可接受的時(shí)間內(nèi)得到滿意解,因此,近年來(lái)學(xué)術(shù)界的研究重點(diǎn)集中在啟發(fā)式和元啟發(fā)式算法上。由于傳統(tǒng)優(yōu)化方法的不足,學(xué)術(shù)界近年來(lái)提出了許多智能優(yōu)化方法,比如禁忌搜索算法、遺傳算法、蟻群優(yōu)化算法、模擬退火算法和粒子群優(yōu)化算法等。這些優(yōu)化算法更看重計(jì)算的速度和效率,不追求得到最優(yōu)解。本論文以超體積貢獻(xiàn)度選擇算法框架為基礎(chǔ),分別結(jié)合遺傳算法和混合擾動(dòng)策略,提出基于均勻交叉算子的多目標(biāo)進(jìn)化算法、基于多父代組合算子的多目標(biāo)進(jìn)化算法和基于混合擾動(dòng)策略的多目標(biāo)優(yōu)化算法來(lái)求解雙目標(biāo)情形下的無(wú)約束二元二次規(guī)劃問(wèn)題。其中,超體積貢獻(xiàn)度選擇算法來(lái)為個(gè)體進(jìn)行適應(yīng)值分配,從而解決多目標(biāo)情形下的個(gè)體優(yōu)劣判別。在算法陷入局部最優(yōu)時(shí),通過(guò)遺傳算法中的交叉組合算子與變異操作來(lái)產(chǎn)生質(zhì)量較高且多樣性豐富的子集,從而擴(kuò)展搜索空間,達(dá)到跳出局部最優(yōu)的目的�；旌蠑_動(dòng)策略則通過(guò)交替地采用禁忌擾動(dòng)與隨機(jī)擾動(dòng)來(lái)改變個(gè)體的取值來(lái)得到得到多樣性豐富的解集。在標(biāo)準(zhǔn)算例上的實(shí)驗(yàn)測(cè)試表明,本論文所提出的算法相比于迭代局部搜索算法、基于二元指標(biāo)的多目標(biāo)局部搜索算法和基于超體積指標(biāo)的多目標(biāo)局部搜索算法具有較為顯著的優(yōu)越性。
【圖文】：

圖 2-2 Pareto 最優(yōu)解及 Pareto 前沿示意圖[18,19]集。在單目標(biāo)優(yōu)化問(wèn)題中，存在天然的全序關(guān)系，可以很自然的對(duì)每個(gè)解進(jìn)而在多目標(biāo)優(yōu)化問(wèn)題中，這樣的天然全序關(guān)系并不存在。因此，在求解多問(wèn)題時(shí)，我們往往關(guān)注的不是一個(gè)帕累托最優(yōu)解，而是一個(gè)帕累托最優(yōu)解 多目標(biāo)優(yōu)化問(wèn)題的處理方法自從多目標(biāo)優(yōu)化問(wèn)題提出以來(lái)，多目標(biāo)優(yōu)化算法也得到了飛速發(fā)展to 最優(yōu)理論應(yīng)用到多目標(biāo)優(yōu)化問(wèn)題之前，多目標(biāo)優(yōu)化算法的一般做目標(biāo)通過(guò)一定的方式轉(zhuǎn)化為單目標(biāo)進(jìn)行求解，代表性方法有基于聚Aggregation Selection)、目標(biāo)向量法 (Target-vector Approaches) 及字典排xicographic Ordering) 等。這類方法將多目標(biāo)問(wèn)題的多個(gè)優(yōu)化目標(biāo)通過(guò)特定成可以被單目標(biāo)優(yōu)化算法處理的形式，每次只能得到一種權(quán)值情況下的除此之外, 傳統(tǒng)的數(shù)學(xué)規(guī)劃方法處理多目標(biāo)優(yōu)化問(wèn)題時(shí)往往效率不高，這

IBMOLS), 正是充分考慮到個(gè)體間的占優(yōu)關(guān)系，通過(guò)二元指標(biāo)為個(gè)體值。不同于傳統(tǒng)的線性加權(quán)法，需要將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題，基于 Pareto 占優(yōu)關(guān)系的進(jìn)化算法，需要對(duì)群體進(jìn)行分層管理。IBMOLS二元指標(biāo)分配的適應(yīng)值來(lái)實(shí)現(xiàn)對(duì)群體的有效管理其中，基于 Iε的多目標(biāo)算法框架如算法2-1所示。2006 年 Knowles 等人提出了另一種新的二元指示器指標(biāo)[28]，簡(jiǎn)記為 IHyp如下：IHyp(x1, x2) =H(x2) H(x1) if x2 x1H( x1, x2) H(x1) otherwise其中，，H(x) 表示個(gè)體 x 所占優(yōu)的空間體積，IHyp(x1, x2) 表示為被個(gè)體 x2不被個(gè)體 x1所占優(yōu)的那部分空間的體積。當(dāng) x2 x1時(shí)，，IHyp(x1, x2) (x1) 減去，IHyp(x2) 得到；當(dāng) x1與 x2不具有占優(yōu)關(guān)系時(shí)，則由 x1和 x2的聯(lián)減去 x1的超體積得到。圖2-4分別給出了這兩種情形下的超體積示例。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 桂洪照;;幾種具有代表性的啟發(fā)式算法研究[J];電子制作;2016年02期

2 王芳,施國(guó)洪;商貿(mào)服務(wù)業(yè)選址決策研究——一種基于阿德蘭啟發(fā)式算法的選址方法[J];江蘇商論;2004年07期

3 陶光遠(yuǎn);周佩德;王強(qiáng);;最優(yōu)運(yùn)輸徑路選擇的啟發(fā)式算法[J];南京工學(xué)院學(xué)報(bào);1987年06期

4 許杰鋒;;客車調(diào)度問(wèn)題(BSP)的數(shù)學(xué)模型及一種新的啟發(fā)式算法[J];上海交通大學(xué)學(xué)報(bào);1988年06期

5 邢琳;;一種啟發(fā)式識(shí)別被積函數(shù)算法的設(shè)計(jì)與實(shí)現(xiàn)[J];中南礦冶學(xué)院學(xué)報(bào);1988年01期

6 郭耀煌,范莉莉;貨運(yùn)汽車調(diào)度的一種啟發(fā)式算法[J];系統(tǒng)工程;1989年01期

7 楊英杰;;單體型裝配問(wèn)題的啟發(fā)式算法研究[J];數(shù)字技術(shù)與應(yīng)用;2017年01期

8 陳燕;謝琪琦;劉詠;崔耀東;;圓形件下料順序分組啟發(fā)式算法的設(shè)計(jì)與實(shí)現(xiàn)[J];圖學(xué)學(xué)報(bào);2017年01期

9 潘立軍;符卓;;求解帶硬時(shí)間窗車輛路徑問(wèn)題的時(shí)差插入啟發(fā)式算法[J];計(jì)算機(jī)應(yīng)用;2012年11期

10 高尚,陳鋼;可靠性優(yōu)化的一種新的啟發(fā)式算法[J];工程設(shè)計(jì)學(xué)報(bào);2004年03期

相關(guān)會(huì)議論文 前10條

1 馮德鴻;唐加福;郭琦;李輝;;訂貨批量問(wèn)題改進(jìn)的相關(guān)策略啟發(fā)式算法與仿真分析[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 羅守成;唐國(guó)春;;二維集裝箱問(wèn)題的一個(gè)啟發(fā)式算法[A];2001年全國(guó)數(shù)學(xué)規(guī)劃及運(yùn)籌研討會(huì)論文集[C];2001年

3 劉嘉敏;馬廣煜;黃有群;;基于組合的三維集裝箱裝入啟發(fā)式算法的研究[A];全國(guó)第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會(huì)議論文集[C];2004年

4 戴娜;肖杰;邸瑞華;;異構(gòu)計(jì)算環(huán)境下任務(wù)調(diào)度模型的啟發(fā)式算法研究[A];2006年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集（三）[C];2006年

5 許爭(zhēng)爭(zhēng);;自有和租用車輛并存條件下基于協(xié)作的啟發(fā)式算法研究[A];第十九屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2017年

6 劉青松;孔云峰;黨蘭學(xué);王震;;元啟發(fā)式算法在校車路徑規(guī)劃中的應(yīng)用[A];第七屆全國(guó)地理學(xué)研究生學(xué)術(shù)年會(huì)論文摘要集[C];2012年

7 何正文;徐渝;;多模式項(xiàng)目支付進(jìn)度問(wèn)題的優(yōu)化模型及啟發(fā)式算法[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（上卷）[C];2004年

8 黃忠圣;;高等啟發(fā)式算法在桁架結(jié)構(gòu)優(yōu)化中的應(yīng)用[A];北京力學(xué)會(huì)第21屆學(xué)術(shù)年會(huì)暨北京振動(dòng)工程學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)論文集[C];2015年

9 李兵;蔣慰孫;;改進(jìn)的遺傳算法及在一類組合優(yōu)化問(wèn)題中的應(yīng)用[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

10 張建勇;李軍;;模糊需求VRP的一種Sweeping啟發(fā)式算法[A];第九屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 褚會(huì)會(huì);建立數(shù)學(xué)模型 啟發(fā)式算法求解[N];東方煙草報(bào);2016年

相關(guān)博士學(xué)位論文 前10條

1 古繼興;KOD多播技術(shù)與Steiner樹(shù)啟發(fā)式算法[D];上海交通大學(xué);2007年

2 董興業(yè);啟發(fā)式算法及其在同順序流水作業(yè)問(wèn)題中的應(yīng)用[D];北京交通大學(xué);2008年

3 馬華偉;帶時(shí)間窗車輛路徑問(wèn)題及其啟發(fā)式算法研究[D];合肥工業(yè)大學(xué);2008年

4 胡大偉;設(shè)施定位和車輛路線問(wèn)題模型及其啟發(fā)式算法研究[D];長(zhǎng)安大學(xué);2008年

5 石文;空中交通管理優(yōu)化問(wèn)題研究[D];天津大學(xué);2014年

6 楊玉珍;基于元啟發(fā)式算法的帶生產(chǎn)約束作業(yè)車間調(diào)度問(wèn)題若干研究[D];華東理工大學(xué);2014年

7 鄧冠龍;基于元啟發(fā)式算法的調(diào)度問(wèn)題若干研究[D];華東理工大學(xué);2012年

8 鄭君璽;一類混合生產(chǎn)線調(diào)度與數(shù)值仿真技術(shù)的研究[D];華南理工大學(xué);2016年

9 李常敏;兩層規(guī)劃的逼近理論及算法研究[D];復(fù)旦大學(xué);2010年

10 符卓;開(kāi)放式車輛路徑問(wèn)題及其應(yīng)用研究[D];中南大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 霍超;求解多目標(biāo)無(wú)約束二元二次規(guī)劃問(wèn)題的元啟發(fā)式算法研究[D];電子科技大學(xué);2018年

2 羅云鳳;基于啟發(fā)式智能搜索的貨運(yùn)列車節(jié)能優(yōu)化研究[D];江西理工大學(xué);2018年

3 苗曉燕;基于啟發(fā)式算法邊坡及支擋結(jié)構(gòu)穩(wěn)定性分析方法[D];湖南大學(xué);2017年

4 邊哲永;基于兩種改進(jìn)策略的亞啟發(fā)式算法求解路徑相關(guān)問(wèn)題研究[D];天津大學(xué);2016年

5 劉暢;基于混合啟發(fā)式算法的單線公交車輛調(diào)度問(wèn)題研究[D];北京交通大學(xué);2016年

6 姜毅;擾動(dòng)型超啟發(fā)式算法的適應(yīng)度地貌分析[D];大連理工大學(xué);2013年

7 趙強(qiáng);啟發(fā)式算法在自動(dòng)文本分類中的研究與應(yīng)用[D];電子科技大學(xué);2017年

8 張仁星;基于啟發(fā)式算法的集裝箱堆場(chǎng)優(yōu)化研究[D];大連海事大學(xué);2011年

9 徐o

本文編號(hào)：2660443