本文關鍵詞：多目標進化算法的改進及其應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：多目標優(yōu)化問題在工程實踐中普遍存在，多目標進化算法是解決多目標優(yōu)化問題的強有力工具。多目標進化算法繼承了進化算法并行隨機搜索、全局搜索能力強、能夠求解高度復雜的非線性問題的優(yōu)勢，用于解決具有多個相互沖突的目標的優(yōu)化問題。近年來，各種多目標進化算法大量涌現(xiàn)，很多新的進化范例被不斷引入，多目標進化算法受到了廣泛的關注并成為研究熱點。 論文在開始對多目標優(yōu)化的相關概念，多目標進化算法的基本框架，多目標進化算法及其應用的發(fā)展狀況進行了介紹,詳細介紹了兩種經典的多目標進化算法及算法的評價指標,為后續(xù)算法的改進及應用奠定基礎。 針對經典算法NSGA2的收斂性、分布性不足；SPEA2的運算時間過長；Pareto解集復雜度增加時，經典的多目標進化算法性能下降，無法收斂或無法搜索出跨越整個Pareto均衡面的解集等問題，設計了一種實數(shù)編碼的量子克隆多目標進化算法。該算法引入了混沌編碼初始化的量子概率幅、量子旋轉門、克隆等算子，使用兩次互補單基因高斯變異提高算法多樣性，設計了動態(tài)的擁擠距離調整策略，調節(jié)解集分布性。實驗證明，該算法實現(xiàn)了運行時間與收斂性、分布性之間的均衡，當測試問題的Pareto解集復雜度增加時，具有明顯的優(yōu)勢。 針對經典算法NSGA2的收斂性、分布性不足，SPEA2的運算時間過長，優(yōu)化問題的目標維數(shù)增加時經典算法無法收斂等問題，設計了一種基于二元指標的多目標進化算法。該算法設計了基于二元指標的適應度計算方法及環(huán)境選擇策略。算法簡單易行，運行效率高且具有良好的分布性和收斂性。在處理高維目標的DTLZ問題時，具有明顯的優(yōu)勢。應用所設計的基于二元指標的多目標進化算法優(yōu)化設計了IIR數(shù)字濾波器，驗證了算法的有效性。 最后，針對空地導彈彈道多目標優(yōu)化問題，，探討如何將連續(xù)的優(yōu)化問題轉化為參數(shù)優(yōu)化問題，建立了多目標彈道優(yōu)化模型，并使用所設計的實數(shù)編碼的量子克隆多目標進化算法對導彈彈道進行優(yōu)化設計。通過與非線性規(guī)劃法的優(yōu)化結果相比較，證明了模型的正確性及算法的有效性。
【關鍵詞】：多目標優(yōu)化 多目標進化算法 量子計算 二元指標 解集關聯(lián) 高維目標 IIR數(shù)字濾波器 彈道優(yōu)化
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP18
【目錄】：

• 摘要4-5
• Abstract5-12
• 第一章 緒論12-19
• 1.1 多目標進化算法的產生及研究意義12-13
• 1.2 多目標進化算法研究及其應用現(xiàn)狀13-16
• 1.2.1 多目標進化算法的發(fā)展狀況13-16
• 1.2.2 多目標進化算法的應用狀況16
• 1.3 多目標進化算法中待解決的問題16-17
• 1.4 論文的研究內容與結構17-19
• 第二章 多目標進化算法19-30
• 2.1 多目標優(yōu)化的基本概念19-20
• 2.2 多目標進化算法的基本框架20-21
• 2.3 幾種典型的多目標進化算法21-26
• 2.3.1 經典多目標進化算法 NSGA2 介紹21-24
• 2.3.2 經典多目標進化算法 SPEA2 介紹24-26
• 2.4 多目標進化算法的評價指標26-29
• 2.5 本章小結29-30
• 第三章 一種實數(shù)編碼的量子克隆多目標進化算法30-57
• 3.1 算法概述30-31
• 3.2 RQC-MOEA 的關鍵算子31-35
• 3.2.1 量子計算原理概述31-32
• 3.2.2 實數(shù)編碼的三倍染色體32
• 3.2.3 互補高斯變異及變異越界處理方法32-33
• 3.2.4 量子更新與交叉算子33
• 3.2.5 種群克隆33-35
• 3.2.6 改進的擁擠距離35
• 3.3 算法流程35-37
• 3.4 數(shù)值實驗37-55
• 3.4.1 測試函數(shù)及實驗結果37-45
• 3.4.2 增加測試函數(shù) Pareto 解集復雜度及實驗結果45-55
• 3.5 本章小結55-57
• 第四章 基于二元指標的多目標進化算法57-75
• 4.1 算法概述57
• 4.2 IB-MOEA 的關鍵算子57-60
• 4.2.1 基于二元指標的適應度57-58
• 4.2.2 基于二元指標的環(huán)境選擇算子58
• 4.2.3 多種群進化58-60
• 4.3 算法流程60
• 4.4 數(shù)值實驗60-67
• 4.4.1 二維目標測試函數(shù)及實驗結果60-62
• 4.4.2 三維及高維目標測試函數(shù)及實驗結果62-67
• 4.5 IB-MOEA 在 IIR 數(shù)字濾波器優(yōu)化設計中的應用67-73
• 4.5.1 IIR 濾波器多目標優(yōu)化模型67-69
• 4.5.2 算例及仿真結果69-73
• 4.6 本章小結73-75
• 第五章 基于 RQC-MOEA 的空地導彈彈道軌跡優(yōu)化研究75-84
• 5.1 空地導彈彈道優(yōu)化的背景及研究意義75
• 5.2 空地導彈彈道優(yōu)化方法研究75-83
• 5.2.1 導彈質點運動模型75-77
• 5.2.2 導彈彈道多目標優(yōu)化模型77-79
• 5.2.3 仿真實驗結果分析79-83
• 5.3 本章小結83-84
• 第六章 總結與展望84-86
• 6.1 總結84-85
• 6.2 展望85-86
• 參考文獻86-90
• 致謝90-91
• 在學期間的研究成果及發(fā)表的學術論文91

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 謝克明,謝剛,郭紅波,續(xù)欣瑩;人工免疫系統(tǒng)及其算法[J];電子與信息學報;2005年11期

2 羅彪;鄭金華;朱云飛;蔡自興;;一種基于“探測"與“開采"的多目標進化算法[J];高技術通訊;2010年02期

3 陳剛;徐敏;萬自明;陳士櫓;;具有內點狀態(tài)約束的機動再入彈道優(yōu)化設計[J];固體火箭技術;2006年02期

4 文詩華;鄭金華;李密青;;多目標進化算法中變異算子的比較與研究[J];計算機工程與應用;2009年02期

5 張景成;戴光明;;基于指標的多目標進化算法研究[J];計算機工程;2009年23期

6 高輝;徐光輝;張銳;王哲人;;實數(shù)編碼量子進化算法[J];控制與決策;2008年01期

7 吳志遠,邵惠鶴,吳新余;基于遺傳算法的退火精確罰函數(shù)非線性約束優(yōu)化方法[J];控制與決策;1998年02期

8 公茂果;焦李成;楊咚咚;馬文萍;;進化多目標優(yōu)化算法研究[J];軟件學報;2009年02期

9 李建華，殷福亮;設計IIR數(shù)字濾波器的遺傳優(yōu)化算法[J];通信學報;1996年03期

10 陳剛,萬自明,徐敏,陳士櫓;飛行器軌跡優(yōu)化應用遺傳算法的參數(shù)化與約束處理方法研究[J];系統(tǒng)仿真學報;2005年11期

中國碩士學位論文全文數(shù)據庫 前4條

1 劉楠楠;基于進化算法的多目標優(yōu)化算法及應用研究[D];南京航空航天大學;2010年

2 蔣勇;單目標和多目標全局優(yōu)化算法設計[D];西安電子科技大學;2008年

3 江斌;人工免疫算法的基礎研究及其應用[D];中南大學;2008年

4 謝炯亮;多目標進化算法中解集分布性能的研究[D];湘潭大學;2008年

  本文關鍵詞：多目標進化算法的改進及其應用研究，由筆耕文化傳播整理發(fā)布。

本文編號：376416