發(fā)布時間：2019-07-12 09:42

【摘要】：用模式識別對候選解之間的Pareto優(yōu)劣性進(jìn)行預(yù)測,可有效降低昂貴多目標(biāo)優(yōu)化的計算成本和財務(wù)成本,并在一定程度上克服代理模型的不足。但因決策向量空間的維數(shù)災(zāi)難,高維小樣本集帶來統(tǒng)計結(jié)果不可靠、預(yù)測正確率低和預(yù)測的計算復(fù)雜度高等一系列問題。為了更加有效地利用決策空間中的信息、提高Pareto優(yōu)劣性預(yù)測的準(zhǔn)確性,本文主要研究Pareto優(yōu)劣性預(yù)測的決策空間降維方法。考慮決策分量對目標(biāo)分量的影響程度一般不同,提出了決策空間的等價維分析及降維方法。通過引入滿意度的概念,確定決策向量的等價維和冗余維,使用Sammon非線性映射算法對等價維進(jìn)行降維,而將冗余分量直接忽略,實現(xiàn)決策向量降維。對降維后的決策空間數(shù)據(jù)使用最近鄰方法預(yù)測候選解之間的Pareto優(yōu)劣性。對典型多目標(biāo)優(yōu)化問題Pareto優(yōu)劣性最近鄰預(yù)測的實驗結(jié)果表明,該方法可顯著地提高預(yù)測準(zhǔn)確性。針對決策向量之間的非線性問題,研究了基于LLE決策向量降維的Pareto優(yōu)劣性預(yù)測方法。利用一種廣義范圍的主成分分析法來確定決策向量相對于各目標(biāo)分量的本征維數(shù);然后相對于各目標(biāo)分量采用LLE算法對決策向量進(jìn)行降維,形成新的低維決策空間;在新的決策空間中使用最近鄰方法預(yù)測候選解之間的Pareto優(yōu)劣性。仿真實驗表明,所提的方法可以明顯提高預(yù)測精度。最后,將Pareto優(yōu)劣性預(yù)測的LLE決策空間降維方法應(yīng)用到MOEAs中,實驗結(jié)果表明,對于二目標(biāo)函數(shù)的ZDT系列和三目標(biāo)函數(shù)DTLZ系列,將降維預(yù)測方法嵌入到MOEAs中均能得到可接受的Pareto前沿,進(jìn)一步證明了基于Pareto優(yōu)劣性預(yù)測的決策空間降維方法的可行性和有效性。
【學(xué)位授予單位】：湖南理工學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 李文彬;賀建軍;郭觀七;馮彩英;潘理;;基于相關(guān)分析的多目標(biāo)優(yōu)化Pareto優(yōu)劣性預(yù)測[J];電子學(xué)報;2017年02期

2 李文彬;賀建軍;馮彩英;郭觀七;;基于決策空間變換最近鄰方法的Pareto支配性預(yù)測[J];自動化學(xué)報;2017年02期

3 陳志旺;白鋅;楊七;黃興旺;李國強;;區(qū)間多目標(biāo)優(yōu)化中決策空間約束、支配及同序解篩選策略[J];自動化學(xué)報;2015年12期

4 吳學(xué)斌;肖迪;;基于最小剩余方差的LLE改進(jìn)算法[J];計算機應(yīng)用與軟件;2014年09期

5 郭觀七;尹呈;曾文靜;李武;嚴(yán)太山;;基于等價分量交叉相似性的Pareto支配性預(yù)測[J];自動化學(xué)報;2014年01期

6 張冬梅;龔小勝;戴光明;;基于多重分形主曲線模型多目標(biāo)演化算法研究[J];計算機研究與發(fā)展;2011年09期

7 公茂果;焦李成;楊咚咚;馬文萍;;進(jìn)化多目標(biāo)優(yōu)化算法研究[J];軟件學(xué)報;2009年02期

8 王凌,吉利軍,鄭大鐘;基于代理模型和遺傳算法的仿真優(yōu)化研究[J];控制與決策;2004年06期

相關(guān)碩士學(xué)位論文 前1條

1 朱建凱;基于流形學(xué)習(xí)的多目標(biāo)分布估計算法研究[D];中國地質(zhì)大學(xué);2011年

，

本文編號：2513626