本文關(guān)鍵詞：帶有權(quán)重偏好的進(jìn)化多目標(biāo)算法

  更多相關(guān)文章： 權(quán)重偏好 多目標(biāo) 偏好方法 分區(qū)域

【摘要】：在求解多目標(biāo)優(yōu)化問題的時(shí)候,一般采用進(jìn)化多目標(biāo)算法,進(jìn)化多目標(biāo)算法是一種模擬生物自然選擇與自然進(jìn)化的隨機(jī)搜索算法,由于它適應(yīng)用于求解高度復(fù)雜的非線性問題而得到非常廣泛的應(yīng)用.采用進(jìn)化算法解決多目標(biāo)優(yōu)化問題時(shí),往往會(huì)求出一組pareto最優(yōu)解,這些解已經(jīng)沒有好壞之分,那么對(duì)于決策者來說,要選擇滿意的最優(yōu)解就有一定的難度,這時(shí)引入決策者的偏好就是最好的打破這種平衡的關(guān)鍵.偏好信息的目的在于使決策者通過其對(duì)具體問題的認(rèn)識(shí),參與到優(yōu)化過程,使算法搜索集中于決策空間和目標(biāo)空間的理想子區(qū)域,從而使得算法搜索更有效率.本文對(duì)已有的偏好進(jìn)化多目標(biāo)算法做了簡(jiǎn)單的總結(jié),研究者們已研究的偏好方式包括參考點(diǎn)、參考方向、偏好區(qū)域、模糊偏好以及隨機(jī)偏好等等,本文詳細(xì)的總結(jié)了在偏好區(qū)域、模糊偏好和隨機(jī)偏好這三種偏好形式下,研究者們所作出的具體的研究成果.對(duì)每一種偏好方式,本文總結(jié)了各個(gè)研究者所提出的偏好處理方式,以及所采用的進(jìn)化多目標(biāo)算法,并且對(duì)其中的幾種偏好方式進(jìn)行了優(yōu)缺點(diǎn)的分析,有利于后來學(xué)者的研究.對(duì)于現(xiàn)實(shí)生活中的一些多目標(biāo)優(yōu)化問題,往往存在著多個(gè)決策者的偏好.本文在總結(jié)了已有偏好方式的前提下,提出了一種新的偏好方式,決策者對(duì)目標(biāo)函數(shù)的權(quán)重偏好,該方法在Delphi法下由決策者對(duì)目標(biāo)函數(shù)的重要性打分形成,能夠更好地體現(xiàn)出決策者的偏好,并且簡(jiǎn)單易行.結(jié)合M2M算法,分區(qū)域的搜索策略保證了解的分布性,同時(shí)也在很大程度上減少了計(jì)算量.形成了一種求解多目標(biāo)優(yōu)化問題的混合算法.數(shù)值實(shí)驗(yàn)顯示,在不同偏好下,多目標(biāo)優(yōu)化問題的結(jié)果也不一樣,這與實(shí)際情形相吻合.
【關(guān)鍵詞】：權(quán)重偏好 多目標(biāo) 偏好方法 分區(qū)域
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O224
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-15
• 1.1 研究背景10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文研究?jī)?nèi)容及創(chuàng)新點(diǎn)13-14
• 1.4 論文的章節(jié)結(jié)構(gòu)劃分14-15
• 第二章 進(jìn)化多目標(biāo)算法15-21
• 2.1 多目標(biāo)問題15-16
• 2.1.1 多目標(biāo)優(yōu)化問題的相關(guān)定義15-16
• 2.1.2 Pareto解的相關(guān)概念16
• 2.2 進(jìn)化多目標(biāo)算法的研究及進(jìn)展16-19
• 2.3 分區(qū)域的進(jìn)化多目標(biāo)算法19-21
• 第三章 多目標(biāo)偏好方法研究現(xiàn)狀21-29
• 3.1 決策者偏好的概念21
• 3.2 偏好方法的發(fā)展21-23
• 3.3 帶有偏好區(qū)域的進(jìn)化多目標(biāo)算法23-24
• 3.4 多目標(biāo)模糊性偏好方法24-27
• 3.5 多目標(biāo)隨機(jī)性偏好方法27-28
• 3.6 本章小結(jié)28-29
• 第四章 帶有權(quán)重偏好的進(jìn)化多目標(biāo)算法29-38
• 4.1 引言29
• 4.2 分區(qū)域策略29-31
• 4.3 多決策者偏好權(quán)重的產(chǎn)生31-33
• 4.3.1 Delphi法簡(jiǎn)介31
• 4.3.2 采用德爾菲法得到最后一輪的結(jié)果31-32
• 4.3.3 給出每個(gè)目標(biāo)函數(shù)的打分區(qū)間以及每個(gè)區(qū)間的概率32
• 4.3.4 采用輪盤賭的方法得到目標(biāo)的權(quán)重32-33
• 4.4 實(shí)驗(yàn)結(jié)果33-37
• 4.4.1 測(cè)試問題33
• 4.4.2 測(cè)試方法分析33-37
• 4.4.3 測(cè)試結(jié)果分析37
• 4.5 本章小結(jié)37-38
• 結(jié)論38-39
• 參考文獻(xiàn)39-43
• 攻讀碩士學(xué)位期間發(fā)表的論文43-45
• 致謝45

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 謝桂芩;涂井先;;分區(qū)域多目標(biāo)進(jìn)化算法在協(xié)同車輛路徑問題中的應(yīng)用[J];廣東工業(yè)大學(xué)學(xué)報(bào);2011年04期

2 朱丙坤;徐立鴻;陳娟;;基于偏好的多目標(biāo)遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年09期

3 余進(jìn);何正友;錢清泉;;基于偏好信息的多目標(biāo)微粒群優(yōu)化算法研究[J];控制與決策;2009年01期

4 崔遜學(xué),林闖;一種基于偏好的多目標(biāo)調(diào)和遺傳算法(英文)[J];軟件學(xué)報(bào);2005年05期

，

本文編號(hào)：631043