連續(xù)多目標(biāo)優(yōu)化問題在決策空間的Pareto最優(yōu)解（PS）和目標(biāo)空間中的pareto最優(yōu)前沿（PF）均是一個(gè)連續(xù)分段的（m-1）維流形體（m是目標(biāo)函數(shù)的個(gè)數(shù)）。根據(jù)這一分布規(guī)則特征,先后有學(xué)者提出了基于規(guī)則模型的多目標(biāo)分布估計(jì)算法（RM-MEDA）和基于高斯過程的逆模型多目標(biāo)優(yōu)化算法（IM-MOEA）。這兩種算法非常適于求解變量相關(guān)的復(fù)雜多目標(biāo)優(yōu)化問題,但仍存在一定的不足。其一,RM-MEDA根據(jù)種群的整體統(tǒng)計(jì)信息建立模型,忽略了種群中某些優(yōu)秀解的局部信息,導(dǎo)致算法在求解一些復(fù)雜多目標(biāo)優(yōu)化問題時(shí)全局搜索能力弱,收斂速度慢;其二,IM-MOEA中的逆模型在求解PS或PF存在極端的非平滑性的多目標(biāo)優(yōu)化問題時(shí)表現(xiàn)劣勢(shì);其三,RM-MEDA中的學(xué)習(xí)模型在種群分布沒有明顯規(guī)律的情況下表現(xiàn)不佳。基于以上分析,本文的研究內(nèi)容主要有兩個(gè)方面。（1）為了彌補(bǔ)RM-MEDA忽略解的局部信息的不足,在算法中加入了直接使用個(gè)體信息的差分演化（DE）操作算子,設(shè)計(jì)了一種改進(jìn)的RM-MEDA（MRM-MEDA）。MRM-MEDA將分布估計(jì)算法的建模采樣方式和DE的交叉變異進(jìn)化方式相結(jié)合,豐富了個(gè)體的繁殖方式,在進(jìn)化... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的多目標(biāo)演化算法的國內(nèi)外研究現(xiàn)狀
        1.2.2 多目標(biāo)分布估計(jì)算法的國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容及組織結(jié)構(gòu)
2 相關(guān)理論
    2.1 多目標(biāo)優(yōu)化問題
    2.2 多目標(biāo)優(yōu)化算法中的精英選擇策略
        2.2.1 快速非支配排序
        2.2.2 擁擠距離
    2.3 多目標(biāo)優(yōu)化問題中的規(guī)則屬性
    2.4 本章小結(jié)
3 改進(jìn)的基于規(guī)則模型的多目標(biāo)分布估計(jì)算法
    3.1 RM-MEDA算法分析
        3.1.1 算法流程
        3.1.2 建模過程
        3.1.3 采樣過程
    3.2 改進(jìn)動(dòng)機(jī)
    3.3 差分演化
    3.4 改進(jìn)的RM-MEDA
        3.4.1 自適應(yīng)選擇策略
        3.4.2 變異策略
        3.4.3 改進(jìn)后的算法流程
    3.5仿真實(shí)驗(yàn)
        3.5.1 測(cè)試函數(shù)
        3.5.2 性能評(píng)價(jià)指標(biāo)
        3.5.3 對(duì)比算法與參數(shù)設(shè)置
        3.5.4 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
4 集成規(guī)則模型的分布估計(jì)算法研究
    4.1 IM-MOEA算法分析
    4.2 研究動(dòng)機(jī)
    4.3 基于規(guī)則集成模型的RM-IM-EDA
        4.3.1 算法流程
        4.3.2 基于序列的確定化初始化方法
        4.3.3 規(guī)則模型的集成
    4.4 實(shí)驗(yàn)研究
        4.4.1 對(duì)比算法與參數(shù)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 研究總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 未來工作展望
致謝
參考文獻(xiàn)
附錄1
攻讀碩士期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于精英協(xié)同的多種群分布估計(jì)算法[J]. 周丹,謝敏,劉方,韋劍.  計(jì)算機(jī)應(yīng)用與軟件. 2017(01)

博士論文
[1]求解高維多目標(biāo)優(yōu)化問題的流形學(xué)習(xí)算法研究[D]. 詹煒.中國地質(zhì)大學(xué) 2013

碩士論文
[1]分布估計(jì)算法中差分采樣策略的研究[D]. 董兵.華東師范大學(xué) 2017
[2]基于改進(jìn)NSGA-Ⅱ算法的多目標(biāo)FJSP研究[D]. 崔慶勇.昆明理工大學(xué) 2015
[3]基于分解的混合多目標(biāo)進(jìn)化算法的研究與應(yīng)用[D]. 趙晶晶.安徽理工大學(xué) 2013
[4]改進(jìn)的多目標(biāo)分布式估計(jì)算法在水火電系統(tǒng)負(fù)荷分配的應(yīng)用[D]. 許霞.西安電子科技大學(xué) 2013
[5]基于規(guī)則模型的多目標(biāo)分布估計(jì)算法研究[D]. 向健.中南大學(xué) 2011
[6]基于規(guī)則模型的分布估計(jì)多目標(biāo)算法及應(yīng)用[D]. 王劍文.中國地質(zhì)大學(xué) 2009



本文編號(hào)：3184718