近年來,高維多目標(biāo)優(yōu)化問題的研究取得了較快的發(fā)展。因此,如何設(shè)計出一種在收斂性能和多樣性之間達(dá)到較好平衡的進(jìn)化算法,用于解決高維多目標(biāo)優(yōu)化問題,成為進(jìn)化計算領(lǐng)域的一個難點(diǎn)。聚類分析技術(shù)作為一種數(shù)據(jù)分析工具,被廣泛地應(yīng)用于各種研究和應(yīng)用領(lǐng)域。因此,如何設(shè)計出一種高效的自動聚類算法,成為聚類分析技術(shù)的研究熱點(diǎn)之一。基于以上背景,本文的研究內(nèi)容如下:提出了采用放松支配關(guān)系的高維多目標(biāo)微分進(jìn)化算法。算法使用放松的Pareto支配關(guān)系,目的是增加個體的選擇壓力;使用群體和外部存儲器協(xié)同進(jìn)化方案,并且聯(lián)合混合微分變異算子,生成子代群體;使用基于指標(biāo)的方法計算個體的適應(yīng)度并對群體進(jìn)行更新;使用基于Lp范數(shù)(0<p<1)距離的多樣性維護(hù)策略更新外部存儲器。將所提算法與其它兩種經(jīng)典算法在一組標(biāo)準(zhǔn)測試函數(shù)中進(jìn)行了仿真實驗,實驗結(jié)果表明所提算法能夠在高維多目標(biāo)優(yōu)化問題中獲得一組收斂性能和分布性能均較優(yōu)的非支配解。提出了采用類心密度策略的多目標(biāo)微分自動聚類算法。針對聚類過程中,由于類心選取的隨機(jī)性導(dǎo)致所選類心偏離數(shù)據(jù)集,或者類心過于集中而帶來的錯誤聚類這一缺陷,所提算法對類心的選取進(jìn)行兩次篩選;為...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１二維空間下的Ｐａｒｅｔｏ支配關(guān)系??

??Ｐａｒｅｔｏ支配關(guān)系如圖２．１所示：對于個體Ａ而言（黑色點(diǎn)），若按照定義３中Ｐａｒｅｔｏ支??配關(guān)系的定義，則該二維空間被劃分成了三個部分。從圖中可以看出：白色部分是可以??支配個體Ａ的部分，淺灰色部分表示兩者互不支配，而深灰色部分表示被個體Ａ支配??的部分。??—Ｓ?ｌ?爾....

圖２．３外部存儲器法示意圖??之后，在該策略的基礎(chǔ)上，誕生了一些經(jīng)典的進(jìn)化多目標(biāo)優(yōu)化算法

提出了算法ＳＰＥＡ［４１，該方法中提出的精英保留策略標(biāo)志著第二代進(jìn)化多目標(biāo)優(yōu)化算法??的誕生。精英保留策略指定義一個外部群體來保留算法迭代過程中求得的非支配個體，??圖２．３給出了外部存儲器法的示意圖。??父代群體?子代群體?外部存儲器??？Ｖｉ?－Ａ??／?選擇精英個體?選擇精....

圖２．４擁擠距離估計示意圖??

２００２年，Ｄｅｂ對算法ＮＳＧＡ進(jìn)行了改進(jìn)，提出了著名的ＮＳＧＡ－ＩＩ算法［３］。在該算??法中，首次出現(xiàn)了擁擠距離這個新的概念。在每個經(jīng)過歸一化的目標(biāo)函數(shù)上，將個體Ａ??左側(cè)和右側(cè)兩個個體的距離平均值定義為個體々的擁擠距離，如圖２．４所示。使用擁??擠距離比較算子代替了算法ＮＳ....

圖２．５隨機(jī)群體中非支配解所占比例隨目標(biāo)數(shù)量的變化圖??

維多目標(biāo)優(yōu)化問題（Ｍａｎｙ－Ｏｂｊｅｃｔｉｖｅ?Ｏｐｔｉｍｉｚａｔｉｏｎ?Ｐｒｏｂｌｅｍｓ，簡稱?ＭａＯＰｓ）。由于?Ｐａｒｅｔｏ??前沿面的維數(shù)會隨著目標(biāo)空間的維數(shù)增加而增加，若此時群體中各個解的選擇壓力較低，??隨之帶來的則是群體中非支配解的迅速增加。圖２．５顯示了隨著目標(biāo)個....

本文編號：3936536