多目標(biāo)優(yōu)化問題作為生產(chǎn)生活中的常見基礎(chǔ)性問題,在近些年來吸引了各方面越來越多的關(guān)注。由于多目標(biāo)優(yōu)化問題的求解對(duì)于提高生產(chǎn)效率具有重大的意義,多目標(biāo)進(jìn)化算法在求解多目標(biāo)優(yōu)化問題時(shí)具有的快速高效的優(yōu)勢使其成為了一個(gè)非常受關(guān)注的研究熱點(diǎn)。在針對(duì)具體的多目標(biāo)優(yōu)化問題進(jìn)行求解時(shí),算法通常面對(duì)豐富的啟發(fā)性信息,并且多目標(biāo)優(yōu)化問題包含的各種啟發(fā)性信息存在著很多的共性。與此同時(shí),多目標(biāo)進(jìn)化算法的映射特征,種群的結(jié)構(gòu)特征,問題間的關(guān)聯(lián)特征,種群的量化特征以及決策變量的控制特征和依賴性特征與算法性能的聯(lián)系很緊密。為了對(duì)這些特征所包含的啟發(fā)性信息的作用進(jìn)行深入研究,本文針對(duì)不同多目標(biāo)優(yōu)化問題的特點(diǎn)提出了多種基于啟發(fā)性信息的多目標(biāo)進(jìn)化算法,并且在臨地空間通信系統(tǒng)的多目標(biāo)優(yōu)化部署應(yīng)用上對(duì)提出的算法進(jìn)行了驗(yàn)證。本文的主要內(nèi)容概括如下:（1）針對(duì)多目標(biāo)進(jìn)化算法獲得的近似Pareto最優(yōu)解在決策變量空間的連續(xù)性映射特征,我們結(jié)合了相鄰子問題之間的相關(guān)性,在基于分解的多目標(biāo)進(jìn)化算法框架下,提出了一種基于Pareto前沿面局部搜索的啟發(fā)式多目標(biāo)進(jìn)化算法。這個(gè)算法通過自適應(yīng)地搜索相鄰子問題解之間的差異性區(qū)域來對(duì)近似Pare... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：164 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 多目標(biāo)進(jìn)化算法的背景與意義
    1.2 多目標(biāo)進(jìn)化算法的發(fā)展現(xiàn)狀及難點(diǎn)
        1.2.1 基于支配的多目標(biāo)進(jìn)化算法
        1.2.2 基于指標(biāo)的多目標(biāo)進(jìn)化算法
        1.2.3 基于分解的多目標(biāo)進(jìn)化算法
    1.3 臨地空間通信系統(tǒng)的背景
    1.4 臨地空間通信系統(tǒng)優(yōu)化部署的意義與發(fā)展現(xiàn)狀
    1.5 研究內(nèi)容及章節(jié)安排
        1.5.1 主要研究內(nèi)容
        1.5.2 章節(jié)安排
第二章 基于Pareto前沿面局部搜索的啟發(fā)式多目標(biāo)進(jìn)化算法
    2.1 引言
    2.2 臨地空間通信系統(tǒng)多目標(biāo)優(yōu)化部署建模
    2.3 基于Pareto前沿面局部搜索的啟發(fā)式多目標(biāo)進(jìn)化算法
    2.4 實(shí)驗(yàn)結(jié)果與分析
    2.5 本章小結(jié)
第三章 基于相似性的多目標(biāo)進(jìn)化算法
    3.1 引言
    3.2 改進(jìn)的臨地空間通信系統(tǒng)多目標(biāo)優(yōu)化部署建模
        3.2.1 多需求類型用戶層建模
        3.2.2 傳輸路徑衰減建模
        3.2.3 網(wǎng)絡(luò)路由效率建模
        3.2.4 約束條件
    3.3 基于相似性的多目標(biāo)進(jìn)化算法
        3.3.1 基于啟發(fā)性信息的漸進(jìn)初始化
        3.3.2 基于相似性的啟發(fā)式交叉算子
        3.3.3 基于相似性的啟發(fā)式變異算子
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 針對(duì)初始化機(jī)制的實(shí)驗(yàn)結(jié)果與分析
        3.4.2 針對(duì)生成算子的實(shí)驗(yàn)結(jié)果與分析
        3.4.3 針對(duì)MOEA/D-SS算法性能的實(shí)驗(yàn)結(jié)果與分析
        3.4.4 針對(duì)初始化機(jī)制和生成算子泛化性能的實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于Memetic計(jì)算的啟發(fā)式協(xié)同多目標(biāo)進(jìn)化算法
    4.1 引言
    4.2 臨地空間通信系統(tǒng)兩階段多目標(biāo)優(yōu)化部署建模
    4.3 基于Memetic計(jì)算的啟發(fā)式協(xié)同多目標(biāo)進(jìn)化算法
        4.3.1 基于同位基因的啟發(fā)式交叉算子
        4.3.2 基于異位基因的啟發(fā)式變異算子
        4.3.3 基于異位基因的啟發(fā)式局部搜索算子
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 基于非對(duì)稱支配和局部增量分布估計(jì)的多目標(biāo)進(jìn)化算法
    5.1 引言
    5.2 動(dòng)態(tài)臨地空間通信系統(tǒng)多目標(biāo)優(yōu)化部署建模
    5.3 基于非對(duì)稱支配和局部增量分布估計(jì)的多目標(biāo)進(jìn)化算法
        5.3.1 局部增量分布估計(jì)模型
        5.3.2 非對(duì)稱支配關(guān)系
        5.3.3 計(jì)算復(fù)雜度分析
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 針對(duì)LI-EDA-ADR算法的實(shí)驗(yàn)結(jié)果與分析
        5.4.2 針對(duì)估計(jì)代數(shù)的實(shí)驗(yàn)結(jié)果與分析
        5.4.3 針對(duì)環(huán)境變化頻率的實(shí)驗(yàn)結(jié)果與分析
        5.4.4 針對(duì)補(bǔ)償參數(shù)的實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 基于分布式計(jì)算的決策變量分析算法
    6.1 引言
    6.2 決策變量的控制特性和依賴性分析
    6.3 基于分布式計(jì)算的決策變量分析
    6.4 實(shí)驗(yàn)結(jié)果與分析
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 研究內(nèi)容總結(jié)
    7.2 未來研究展望
參考文獻(xiàn)
致謝
作者簡介



本文編號(hào)：3369346