高維目標(biāo)優(yōu)化問題（Many-objective Optimization Problems,MaOPs）,即目標(biāo)個(gè)數(shù)大于3個(gè)的目標(biāo)優(yōu)化問題是計(jì)算智能領(lǐng)域的一個(gè)研究熱點(diǎn)。用于求解低維目標(biāo)優(yōu)化問題的經(jīng)典多目標(biāo)進(jìn)化算法（Multi-objective Evolutionary Algorithms,MOEAs）在處理高維目標(biāo)優(yōu)化問題時(shí)面臨極大的挑戰(zhàn)。因此,本論文旨在研究和設(shè)計(jì)高效的目標(biāo)空間維數(shù)約簡方法,進(jìn)而設(shè)計(jì)求解高維目標(biāo)優(yōu)化問題的優(yōu)化算法。本論文主要的研究工作和相關(guān)成果如下:（1）提出目標(biāo)沖突性度量新方法——沖突概率。對目標(biāo)沖突性的定義進(jìn)行量化,提出目標(biāo)在解個(gè)體間的沖突性量化定義。依據(jù)目標(biāo)在解個(gè)體間的沖突性定義提出度量目標(biāo)沖突性的新方法——沖突概率,沖突概率能準(zhǔn)確度量不同目標(biāo)之間的沖突性程度,適用于不同類型的高維目標(biāo)優(yōu)化問題。沖突概率信息構(gòu)成高維目標(biāo)優(yōu)化問題中目標(biāo)降維或目標(biāo)空間劃分的基礎(chǔ)。（2）提出基于沖突概率降維的高維目標(biāo)優(yōu)化算法。提出基于目標(biāo)沖突貢獻(xiàn)率的目標(biāo)關(guān)鍵性排序方法,實(shí)現(xiàn)目標(biāo)降維,與基于分解的多目標(biāo)進(jìn)化算法MOEA/D結(jié)合,形成基于沖突概率降維的高維目標(biāo)優(yōu)化算法（MOEA/D-C... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：127 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖2.1個(gè)體123x,x,x在目標(biāo)123f,f,f上的目標(biāo)值平行坐標(biāo)

【參考文獻(xiàn)】：
期刊論文
[1]高維多目標(biāo)優(yōu)化中基于稀疏特征選擇的目標(biāo)降維方法[J]. 陳小紅,李霞,王娜.  電子學(xué)報(bào). 2015(07)
[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)化算法的高維多目標(biāo)優(yōu)化問題求解方法及應(yīng)用[D]. 陳小紅.深圳大學(xué) 2015
[2]基于局部學(xué)習(xí)與均勻分解的多目標(biāo)進(jìn)化算法研究[D]. 馬曉亮.西安電子科技大學(xué) 2014



本文編號(hào)：3067430