對(duì)于多目標(biāo)問題中存在的目標(biāo)間相互沖突但又相互關(guān)聯(lián)的矛盾,很多學(xué)者和研究人員早已經(jīng)有了很深入的研究。粒子群算法不僅是被用來研究多目標(biāo)優(yōu)化問題中最常用的算法之一,而且也被廣泛的應(yīng)用在特征選擇問題等領(lǐng)域中,而特征選擇是數(shù)據(jù)預(yù)處理的一個(gè)重要過程。粒子群優(yōu)化算法除了具有算法簡單、參數(shù)少、能夠快速收斂等優(yōu)點(diǎn),同時(shí)還具有容易陷入局部最優(yōu)的缺點(diǎn)。因此本文針對(duì)粒子群優(yōu)化算法研究多目標(biāo)優(yōu)化問題以及特征選擇問題進(jìn)行改進(jìn)和提升。本文在這兩方面的主要改進(jìn)工作分為以下幾部分:（1）本文針對(duì)多目標(biāo)粒子群優(yōu)化算法的研究,首先提出了兩階段的全局最優(yōu)解選取策略。該兩階段全局最優(yōu)解選取策略分別從決策空間和目標(biāo)空間兩個(gè)角度考慮,通過相似性度量策略和Knee Point概念選擇全局最優(yōu)解從而平衡Pareto支配面上解集的收斂性和多樣性。其次本文改進(jìn)了柯西變異操作,使其隨著迭代次數(shù)的改變動(dòng)態(tài)的去擾動(dòng)種群。在迭代前中期大幅度的擾動(dòng)使粒子跳出局部最優(yōu),在迭代后期小幅度的擾動(dòng)加速種群的收斂并且提高粒子的搜索能力。最后對(duì)基于擁擠距離的外部文檔更新策略進(jìn)行了改進(jìn),改進(jìn)后的方法更細(xì)化了對(duì)外部文檔的更新和維護(hù)操作,使得外部文檔中的粒子的分布更... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1粒子群優(yōu)化算法流程圖

第二章相關(guān)工作101212{1,2,...,},()(){1,2,...,},()()iijjikfxfxandjkfxfx(2.6)則稱決策向量1x支配另一個(gè)決策向量2x，記作12xx。定義2.2Pareto最優(yōu)解：假設(shè)有一個(gè)解*x,當(dāng)且僅當(dāng)沒有任何一個(gè)解支配解x*，則稱解*x為公式(2.5)所示目標(biāo)函數(shù)的Pareto最優(yōu)解。定義2.3Pareto最優(yōu)解集：在多目標(biāo)優(yōu)化問題中最后獲得的解集中的每一個(gè)解都滿足上述所對(duì)Pareto最優(yōu)解的定義，則稱該解集為Pareto最優(yōu)解集。Pareto最優(yōu)解集定義如下：***P{x|x:xx}(2.7)定義2.4Pareto前沿面：Pareto最優(yōu)解集里面全部的解在目標(biāo)空間所構(gòu)成的一個(gè)曲面，稱之為帕累托前沿面（ParetoFront），本文記作PF。如圖2.2所示為具有兩個(gè)目標(biāo)函數(shù)的最小化問題，從圖中可以看出123x,x,x是目標(biāo)空間中的三個(gè)解，其中1x支配2x和3x，而2x和3x不滿足Pareto支配關(guān)系的定義，故2x和3x互不支配。因?yàn)?x沒有被任何解支配，所以1x可以稱為Pareto最優(yōu)解，同時(shí)1x在目標(biāo)空間中所在的弧形前沿面為Pareto前沿面，Pareto前沿面上所有解的集合稱之為Pareto最優(yōu)解集。在對(duì)多目標(biāo)優(yōu)化問題的進(jìn)行求解就是求該非支配解集。圖2.2兩個(gè)目標(biāo)函數(shù)最小化問題Figure2.2Minimizationproblemwithtwoobjectivefunctions

第二章相關(guān)工作12圖2.3特征選擇基本框架Figure2.3Basicframeworkoffeatureselection對(duì)特征子集的產(chǎn)生和特征子集的評(píng)估是目前為止對(duì)特征選擇方法的研究主要兩個(gè)方向，所以對(duì)特征選擇方法的研究一般情況下可以根據(jù)特征子集的產(chǎn)生和特征子集的評(píng)估分為兩類[38]。一類是針對(duì)搜索策略研究的特征選擇方法，另一類是針對(duì)評(píng)估策略研究的特征選擇方法。針對(duì)子集搜索策略研究的特征選擇方法可以分為三類：基于全局最優(yōu)搜索策略、隨機(jī)搜索策略以及啟發(fā)式搜索策略的三種特征選擇方法[39]。（1）基于全局最優(yōu)搜索策略的特征選擇方法窮舉搜索方法是最直接明了的一種全局最優(yōu)搜索策略，該方法需要通過羅列出全部的候選特征子集，并對(duì)羅列出來的子集一個(gè)個(gè)進(jìn)行評(píng)估然后選擇最優(yōu)候選特征子集。由于窮舉搜索方法考慮到每一種可能出現(xiàn)的解的情況，因此巨大的計(jì)算開銷也大大的提高了時(shí)間成本。尤其特征維度越大，使用窮舉搜索的方法可能性越校目前為止表現(xiàn)最好的一個(gè)基于全局搜索策略的特征選擇方法是分支界定法：事先初始化好最終獲得的優(yōu)化特征子集的維度，對(duì)特征子集通過樹形結(jié)構(gòu)形式進(jìn)行搜索，并利用定義好的評(píng)估函數(shù)進(jìn)行評(píng)價(jià)。樹的根節(jié)點(diǎn)則是所有特征的集合，并且子節(jié)點(diǎn)滿足是父節(jié)點(diǎn)的子集且評(píng)估函數(shù)優(yōu)于父節(jié)點(diǎn)，樹的葉子節(jié)點(diǎn)的候選特征子集的維度必須滿足事先定義好的特征子集維度。該方法能夠有效的減少搜索時(shí)間，但是對(duì)于如何事先確定最優(yōu)特征子集的維度以及不能對(duì)全部的特征按照其重要程度進(jìn)行排序均是很大的問題。（2）基于隨機(jī)搜索策略的特征選擇方法隨機(jī)搜索策略的搜索起點(diǎn)通常是隨機(jī)不固定的，通過隨機(jī)刪除或增加一個(gè)或多個(gè)特征進(jìn)行搜索，而搜索的候選特征子集前后沒有確定的關(guān)系，并且該方法在任意搜索時(shí)期內(nèi)都可能會(huì)獲得最優(yōu)特征子集。使用

【參考文獻(xiàn)】：
期刊論文
[1]特征選擇方法綜述[J]. 姚旭,王曉丹,張玉璽,權(quán)文.  控制與決策. 2012(02)
[2]特征選擇算法綜述[J]. 計(jì)智偉,胡珉,尹建新.  電子設(shè)計(jì)工程. 2011(09)
[3]一種基于混沌變異的多目標(biāo)粒子群優(yōu)化算法[J]. 裴勝玉,周永權(quán).  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2010(07)



本文編號(hào)：3558668