多目標(biāo)優(yōu)化問(wèn)題在社會(huì)經(jīng)濟(jì)、管理、軍事和人文等領(lǐng)域應(yīng)用的非常廣泛。傳統(tǒng)的多目標(biāo)優(yōu)化方法,有一定局限性,往往只能搜索到部分局部最優(yōu)的Pareto前沿(Pareto Front),而很難得到充分、均勻的全局Pareto最優(yōu)解。建立在生物智能或物理現(xiàn)象基礎(chǔ)上的群體智能優(yōu)化算法,搜索最優(yōu)解的速度快、具有普適的魯棒性,正成為解決多目標(biāo)優(yōu)化的前沿研究課題。 遺傳算法和蟻群算法是研究的比較成熟、應(yīng)用比較廣泛的智能優(yōu)化算法。遺傳算法具有大范圍全局搜索的能力,與問(wèn)題的領(lǐng)域無(wú)關(guān),其搜索從群體出發(fā),具有潛在的并行性、可進(jìn)行多值比較、魯棒性強(qiáng)等特點(diǎn)。蟻群算法能夠智能搜索、全局優(yōu)化,而且具有魯棒性、正反饋、分布式計(jì)算、易與其它算法結(jié)合等特點(diǎn)。 考慮到遺傳算法具有快速性、隨機(jī)性、全局收斂性等優(yōu)點(diǎn),但也具有冗余迭代多、早熟、對(duì)參數(shù)比較敏感的缺點(diǎn);而蟻群算法具有并行性、正反饋機(jī)制以及求解效率高等特性,但其全局搜索能力較差,容易陷入局部解。因此本文將遺傳算法與蟻群算法融合,提出多目標(biāo)蟻群遺傳算法,用于解決帶約束條件多目標(biāo)最優(yōu)化問(wèn)題。該算法結(jié)合蟻群算法的信息反饋更新機(jī)制,把信息量應(yīng)用于指導(dǎo)多目標(biāo)遺傳算法的搜索選擇,改善非劣...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 多目標(biāo)優(yōu)化問(wèn)題的基本概念
    1.3 傳統(tǒng)的多目標(biāo)最優(yōu)化方法
        1.3.1 化多為少的方法
        1.3.2 分層序列法
    1.4 多目標(biāo)優(yōu)化問(wèn)題的智能算法
        1.4.1 遺傳算法概述
        1.4.2 蟻群算法概述
        1.4.3 粒子群算法概述
    1.5 本文主要工作
    1.6 論文結(jié)構(gòu)
第2章 幾種經(jīng)典的智能優(yōu)化算法與多目標(biāo)優(yōu)化
    2.1 遺傳算法
        2.1.1 遺傳算法的特點(diǎn)
        2.1.2 遺傳算法的設(shè)計(jì)和實(shí)現(xiàn)
        2.1.3 遺傳算法的收斂性
        2.1.4 遺傳算法的優(yōu)越性與局限性
    2.2 蟻群算法
        2.2.1 蟻群算法的特點(diǎn)
        2.2.2 蟻群算法的設(shè)計(jì)和實(shí)現(xiàn)
        2.2.3 蟻群算法的收斂性
        2.2.4 蟻群算法的優(yōu)越性與局限性
    2.3 粒子群算法
        2.3.1 粒子群算法基本思想
        2.3.2 粒子群算法的收斂性
        2.3.3 粒子群算法的特點(diǎn)
    2.4 非支配排序遺傳算法(NSGA)及 NSGA-II
        2.4.1 非支配排序遺傳算法(NSGA )
        2.4.2 帶精英策略的非支配排序的遺傳算法(NSGA-II)
    2.5 本章小結(jié)
第3章 遺傳算法和蟻群算法的融合
    3.1 遺傳算法和蟻群算法的簡(jiǎn)單融合
        3.1.1 算法思路
        3.1.2 GAAA 中遺傳算法的定義與設(shè)置
        3.1.3 GAAA 中蟻群算法的改進(jìn)與銜接
        3.1.4 簡(jiǎn)單融合算法的評(píng)價(jià)
    3.2 多目標(biāo)蟻群遺傳算法
        3.2.1 算法思路
        3.2.2 輸入?yún)?shù)及初始化
        3.2.3 決策集更新
        3.2.4 遺傳操作
        3.2.5 信息素更新
        3.2.6 算法步驟
    3.3 算法實(shí)驗(yàn)及改進(jìn)
        3.3.1 算法性能評(píng)價(jià)方式
        3.3.2 數(shù)值實(shí)驗(yàn)
        3.3.3 算法的改進(jìn)及實(shí)例驗(yàn)證
    3.4 本章小結(jié)
第4章 基于多目標(biāo)蟻群遺傳算法的水資源優(yōu)化配置問(wèn)題研究
    4.1 引言
    4.2 水資源優(yōu)化配置研究現(xiàn)狀及發(fā)展趨勢(shì)
        4.2.1 水資源優(yōu)化配置研究進(jìn)展
        4.2.2 常用水資源優(yōu)化配置方法及發(fā)展
    4.3 區(qū)域多目標(biāo)水資源優(yōu)化配置模型
        4.3.1 目標(biāo)函數(shù)的建立
        4.3.2 約束條件的確定
        4.3.3 多目標(biāo)蟻群遺傳算法求解模型
    4.4 應(yīng)用實(shí)例
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄
致謝



本文編號(hào)：3821226