現(xiàn)實(shí)世界中存在大量需要同時(shí)優(yōu)化多個(gè)目標(biāo)的問(wèn)題。多目標(biāo)優(yōu)化問(wèn)題存在一組對(duì)各個(gè)目標(biāo)折衷的解集,它們?cè)谀繕?biāo)域的投影一般稱為Pareto前沿（PF）。基于分解的多目標(biāo)優(yōu)化算法（MOEA/D）將一個(gè)多目標(biāo)優(yōu)化問(wèn)題分解成一系列簡(jiǎn)單的單目標(biāo)優(yōu)化子問(wèn)題,然后通過(guò)協(xié)作的方式同時(shí)解決子問(wèn)題進(jìn)而得到用于近似PF的解集。作為組合優(yōu)化問(wèn)題的常用方法,局部搜索可以通過(guò)MOEA/D框架中擴(kuò)展應(yīng)用于組合多目標(biāo)優(yōu)化問(wèn)題。本論文結(jié)合MOEA/D框架以及協(xié)同群智的局部搜索,設(shè)計(jì)算法求解多目標(biāo)組合優(yōu)化問(wèn)題,包括以下主要內(nèi)容:1.在組合優(yōu)化問(wèn)題中常存在的尖峰和長(zhǎng)尾帕累托前沿（Pareto前沿）情形,使用MOEA/D求解時(shí)得到解集通常多樣性不是很好。針對(duì)上述問(wèn)題,論文設(shè)計(jì)了一個(gè)均勻分布參考點(diǎn)的多種群局部搜索（URPLS-MP）算法。URPLS-MP算法先利用m（目標(biāo)數(shù)）個(gè)種群粗略確定問(wèn)題的一個(gè)最小個(gè)體凸集（CHIM）,再利用標(biāo)準(zhǔn)邊界插值（NBI）方法在CHIM上生成一組均勻分布的參考點(diǎn),結(jié)合由極值點(diǎn)（nadir point）指向理想點(diǎn)（ideal point）的方向向量新構(gòu)造一個(gè)種群迭代得到最終結(jié)果。對(duì)比實(shí)驗(yàn)表明了URPLS-M... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
    1.1 引言
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文貢獻(xiàn)
    1.4 論文結(jié)構(gòu)
第二章 多目標(biāo)優(yōu)化背景介紹
    2.1 多目標(biāo)優(yōu)化問(wèn)題
        2.1.1 多目標(biāo)優(yōu)化問(wèn)題的定義
        2.1.2 多目標(biāo)優(yōu)化的相關(guān)概念
        2.1.3 多目標(biāo)優(yōu)化算法的性能度量標(biāo)準(zhǔn)
    2.2 多目標(biāo)優(yōu)化算法
        2.2.1 多目標(biāo)優(yōu)化算法沿革
        2.2.2 多目標(biāo)進(jìn)化算法
    2.3 局部搜索技術(shù)
    2.4 組合優(yōu)化測(cè)試問(wèn)題集
        2.4.1 多目標(biāo)旅行商問(wèn)題集
        2.4.2 多目標(biāo)背包問(wèn)題集
        2.4.3 多目標(biāo)二次型分配問(wèn)題集
    2.5 算法性能評(píng)價(jià)指標(biāo)
    2.6 本章小結(jié)
第三章 均勻分布參考點(diǎn)的多種群局部搜索算法
    3.1 引言
    3.2 基于分解的MOEA中聚合方法的變種
    3.3 相關(guān)工作與算法設(shè)計(jì)動(dòng)機(jī)
    3.4 基于均勻分布參考點(diǎn)的多種群局部搜索算法
        3.4.1 算法框架
        3.4.2 生成均勻參考點(diǎn)
        3.4.3 局部搜索
    3.5 實(shí)驗(yàn)分析
        3.5.1 試驗(yàn)參數(shù)設(shè)置與度量指標(biāo)
        3.5.2 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第四章 協(xié)同群智多目標(biāo)局部搜索算法
    4.1 引言
    4.2 協(xié)同進(jìn)化算法
    4.3 相關(guān)工作與算法設(shè)計(jì)動(dòng)機(jī)
    4.4 基于協(xié)同群智的多目標(biāo)局部搜索算法
        4.4.1 算法框架
        4.4.2 局部搜索
        4.4.3 協(xié)作生成方向向量
        4.4.4 更新種群
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 實(shí)驗(yàn)參數(shù)設(shè)置
        4.5.2 實(shí)驗(yàn)結(jié)果
        4.5.3 種群P的大小|P|敏感性測(cè)試
        4.5.4 種群Q中懲罰系數(shù)θ敏感性測(cè)試
        4.5.5 CoMOLS/D中選用iPBI和iTCH的對(duì)比
    4.6 算法應(yīng)用
        4.6.1 社團(tuán)檢測(cè)問(wèn)題介紹
        4.6.2 社團(tuán)檢測(cè)實(shí)驗(yàn)結(jié)果
    4.7 本章小結(jié)
第五章 研究工作總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及學(xué)術(shù)論文情況


【參考文獻(xiàn)】：
期刊論文
[1]綠色車(chē)間調(diào)度優(yōu)化研究進(jìn)展[J]. 王凌,王晶晶,吳楚格.  控制與決策. 2018(03)
[2]關(guān)于如何用角度信息引入決策者偏好的研究[J]. 鄭金華,謝諄志.  電子學(xué)報(bào). 2014(11)
[3]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)



本文編號(hào)：3506723