發(fā)布時(shí)間：2021-06-05 13:30

　　多目標(biāo)優(yōu)化問(wèn)題廣泛存在于科學(xué)研究和工程實(shí)踐領(lǐng)域當(dāng)中,目前已成為智能信息處理領(lǐng)域的研究熱點(diǎn)。近年來(lái),在優(yōu)化領(lǐng)域中存在許多類(lèi)型的優(yōu)化算法解決多目標(biāo)優(yōu)化問(wèn)題,其中由于進(jìn)化算法具有全局性、并行性和高魯棒性等特性,且在處理多目標(biāo)優(yōu)化問(wèn)題上表現(xiàn)出良好的性能,因此以多目標(biāo)進(jìn)化算法為主的智能算法解決多目標(biāo)優(yōu)化問(wèn)題已得到越來(lái)越多研究者的關(guān)注。多目標(biāo)進(jìn)化算法雖然已成為解決多目標(biāo)優(yōu)化問(wèn)題的主流算法,但在處理復(fù)雜決策空間和包含約束條件的復(fù)雜多目標(biāo)優(yōu)化問(wèn)題時(shí)仍有不足之處,因此本文針對(duì)上述兩類(lèi)復(fù)雜多目標(biāo)優(yōu)化問(wèn)題提出了基于多算子集成的多目標(biāo)進(jìn)化算法和基于角度約束支配關(guān)系的多目標(biāo)進(jìn)化算法。本文工作內(nèi)容分為如下兩部分:（1）為了解決復(fù)雜決策空間的多目標(biāo)優(yōu)化問(wèn)題,本文提出了一種基于多算子集成的多目標(biāo)進(jìn)化算法（EAMOE）。EAMOE設(shè)計(jì)一種基于子種群的多算子集成策略,通過(guò)對(duì)算子在不同優(yōu)化階段的性能進(jìn)行評(píng)價(jià),并自適應(yīng)地調(diào)整子種群的規(guī)模,使算法充分應(yīng)用算子并有效搜索決策空間。其中算法根據(jù)子種群的規(guī)模比例和適應(yīng)值提升構(gòu)建了算子性能評(píng)估指標(biāo),之后利用指標(biāo)更新每個(gè)子種群,以獎(jiǎng)勵(lì)或懲罰算子的權(quán)重。通過(guò)與現(xiàn)有的多目標(biāo)進(jìn)化算法在UF測(cè)試... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．２：進(jìn)化算法結(jié)構(gòu)圖??．

圖２．１？．相關(guān)定義示例圖??Ｆｉｇ．?２．１：?Ｅｘａｍｐｌｅ?ｏｆ?ｒｅｌａｔｅｄ?ｄｅｆｉｎｉｔｉｏｎ??圖２．１表示多目標(biāo)優(yōu)化問(wèn)題的決策空間及目標(biāo)空間的結(jié)構(gòu)，其中多目標(biāo)優(yōu)化??問(wèn)題為ｍｉｎ（Ｆ（ｘ））?＝?ｍｉｎＣ／ｉ〇），／２ＯＯ）７＂，八和／２是兩個(gè)沖突的目標(biāo)函數(shù)。；＾、??Ａ、Ａ為三組決策向量，Ｐｉ、込、＆分別是Ａ、ｈ、通過(guò)目標(biāo)函數(shù)映射到目??標(biāo)空間的點(diǎn)，陰影部分表示可行解在目標(biāo)空間的映射區(qū)域。點(diǎn)的目標(biāo)值為ａ和??ｃ，點(diǎn)Ｐ２的目標(biāo)值為和ｄ，由于《１＜；＆且（：＜３，因此有心；同理心ｃ?。??目標(biāo)空間中灰色的點(diǎn)和黑色的點(diǎn)在可行域內(nèi)，所以決策空間中映射到這些點(diǎn)的決??策向量組成了可行解集；由于所有灰色的點(diǎn)都不能被其他決策向量支配，因此灰??色的點(diǎn)集則組成了?Ｐａｒｅｔｏ前沿，而Ｐａｒｅｔｏ前沿是由決策空間中＆所在的曲線(xiàn)上??決策向量映射得到的

２．５．３?Ｉ－ＤＢＥＡ算法簡(jiǎn)介??Ｉ－ＤＢＥＡｌ４５］算法是一種基于分解的進(jìn)化算法，其中收斂和多樣性之間的平衡??由兩個(gè)獨(dú)立的距離策略Ａ和ｄ２維持解關(guān)聯(lián)，如圖２．４所示，其中第一個(gè)度量ｄｉ??是原點(diǎn)到個(gè)體與參考向量法線(xiàn)之間的歐氏距離，而第二個(gè)度量ｄ２是法線(xiàn)的長(zhǎng)度。??／２｜??＊?Ａ??★??Ｆ?？??／，??圖２．４：１－ＤＢＥＡ兩個(gè)距離策略??Ｆｉｇ．?２．４：?Ｉ－ＤＢＥＡ?ｔｗｏ?ｄｉｓｔａｎｃｅ?ｓｔｒａｔｅｇｙ??很明顯，ｄ２?＝?０的值確保解向所需的參考方向優(yōu)化，確保多樣性；而較小的七??值表示優(yōu)異的收斂性。隨后使用這兩個(gè)度量控制算法的多樣性和收斂性。??算法主要步驟為：首先通過(guò)正常邊界交叉法＞？１［５６］生成參考點(diǎn)集合，初始化??種群Ｐ并隨機(jī)分配參考向量，之后評(píng)估初始種群并計(jì)算參考點(diǎn)，將種群２Ｍ個(gè)邊??緣解加入至解集Ｓ中。之后通過(guò)循環(huán)優(yōu)化整個(gè)種群，首先選取個(gè)體Ａ作為父代并??隨機(jī)從種群中再選擇個(gè)體Ｌ產(chǎn)生個(gè)體Ｑ；通過(guò)與所有的參考點(diǎn)計(jì)算Ｑ的＆和七??值；將ｑ加入至Ｓ中并使用Ｃ〇ｒｎｅｒ＿Ｓ〇ｒｔ計(jì)算解集個(gè)體ｑ根據(jù)替換策略對(duì)種??群中個(gè)體進(jìn)行替換；最后更新參考點(diǎn)。??Ｉ－ＤＢＥＡ算法中個(gè)體的替換策略采用了自適應(yīng)￡準(zhǔn)則［４３潤(rùn)約束處理技術(shù)�！觥�??準(zhǔn)則是一種自適應(yīng)保持種群中不可行解比例的策略，其思想與可行性準(zhǔn)則有些??類(lèi)似。該算法中ｅ值通過(guò)以下公式計(jì)算得出：??Ｗ??ＣＶ．ｎｅｎａ＾－＇＾ＣＶｊ?（２．１６）??ｊ?＝?ｌ??ｅ?＝?ＣＶｍｅｎａ＾ＦＲ?（２．１７）??Ｗ指整個(gè)種群的規(guī)模大小

【參考文獻(xiàn)】：
期刊論文
[1]一種基于參考點(diǎn)約束支配的NSGA-Ⅲ算法[J]. 畢曉君,王朝.  控制與決策. 2019(02)
[2]進(jìn)化多目標(biāo)優(yōu)化算法研究[J]. 公茂果,焦李成,楊咚咚,馬文萍.  軟件學(xué)報(bào). 2009(02)

博士論文
[1]基于進(jìn)化算法的復(fù)雜多目標(biāo)優(yōu)化問(wèn)題求解[D]. 田野.安徽大學(xué) 2018
[2]高維多目標(biāo)進(jìn)化算法的關(guān)鍵技術(shù)研究[D]. 王朝.哈爾濱工程大學(xué) 2018
[3]約束優(yōu)化算法的關(guān)鍵技術(shù)研究及應(yīng)用[D]. 張磊.哈爾濱工程大學(xué) 2016

碩士論文
[1]基于多目標(biāo)進(jìn)化算法的任務(wù)驅(qū)動(dòng)模式挖掘研究[D]. 段富臣.安徽大學(xué) 2017



本文編號(hào)：3212258