實(shí)際問(wèn)題中,經(jīng)常遇到需同時(shí)優(yōu)化的相互沖突的多個(gè)目標(biāo),種群群體算法可以較好地解決多目標(biāo)優(yōu)化問(wèn)題�；诜纸獾亩嗄繕�(biāo)優(yōu)化算法（Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D）作為其中的突出代表,將多目標(biāo)進(jìn)行分解、轉(zhuǎn)換為同時(shí)優(yōu)化幾個(gè)單目標(biāo)的問(wèn)題,以其較強(qiáng)的解搜索能力、高效的適應(yīng)度評(píng)價(jià)和良好的收斂性能等優(yōu)點(diǎn)成為研究熱點(diǎn)并應(yīng)用于各個(gè)領(lǐng)域。本文從MOEA/D算法入手研究其優(yōu)缺點(diǎn),通過(guò)改進(jìn)盡量發(fā)揮其優(yōu)點(diǎn)避其缺點(diǎn)并應(yīng)用于實(shí)際問(wèn)題中。主要工作包括:由于MOEA/D算法的優(yōu)勢(shì)是同時(shí)優(yōu)化各子問(wèn)題,降低了傳統(tǒng)多目標(biāo)優(yōu)化算法的多樣性,但不足之處在于隨著目標(biāo)維度的上升,算法求得的近似Pareto解的個(gè)數(shù)隨之增加,導(dǎo)致算法全局搜索最優(yōu)解的能力下降和Pareto解集較為復(fù)雜時(shí),算法對(duì)最優(yōu)解的選取存在不足、易陷入局部最優(yōu)。本文提出兩種不同思路的改進(jìn)MOEA/D（Improved Multi-objective Evolutionary Algorithm Based on Decomposition,IMOEAD）。第一種,首先通過(guò)... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于正態(tài)分布交叉和萊維飛行的IMOEAD的算法流程圖

第3章基于均勻設(shè)計(jì)和混合變異的IMOEAD20（c）Axialdesigns圖3.1三種設(shè)計(jì)方法生成的點(diǎn)的分布由上可知，以上設(shè)計(jì)的不足之處即多數(shù)測(cè)試點(diǎn)分布在邊界上且選擇較少，而均勻設(shè)計(jì)是在區(qū)域Ts上生成均勻散布的試驗(yàn)點(diǎn)，對(duì)應(yīng)到本文即生成N個(gè)權(quán)重向量。構(gòu)造均勻設(shè)計(jì)表是均勻設(shè)計(jì)的重要一環(huán)。由于目前只能在現(xiàn)有的均勻設(shè)計(jì)表和使用表中查用，本文采用曹慧榮等人[56]的方法生成可以滿足實(shí)驗(yàn)的任意試驗(yàn)次數(shù)n，因素?cái)?shù)s和因素水平數(shù)q的均勻設(shè)計(jì)Un(qs)，對(duì)應(yīng)于本文即n=N、q=N和s=M，最終生成的均勻設(shè)計(jì)表的第i行第j列的元素Uij對(duì)應(yīng)于權(quán)重向量的ji。混料配方均勻設(shè)計(jì)是在單位立方空間Cs-1上的均勻設(shè)計(jì)經(jīng)變換生成Ts上的均勻設(shè)計(jì)。變換方式如下：（1）找到均勻設(shè)計(jì)表Un(qs-1)，Ukj表示表中第k行第j列的元素；（2）按式（3.1）計(jì)算Ckj：(0.5)/,,1,...,1;1,...,kjkjCUnjskn.....................................(3.1)（4）按式（3.2）生成gkj：sj,1,,1;1,,kjkjgCjskn.......................................(3.2)（5）按式（3.3）計(jì)算λkj：12(1)...(1),1,...,1;1,...,kjkkkjkjggggjskn................................(3.3)（6）按式（3.4）計(jì)算λks：12(1)...,1,...,kskkksgggkn...................................................(3.4)經(jīng)過(guò)變換得到的通用公式為：1111111(1)isisjkikikijssjkskijCCC…………………..…...................…（3.5）即若s取3，可得：

基于均勻分布和混合變異的IMOEAD的算法流程圖

【參考文獻(xiàn)】：
期刊論文
[1]動(dòng)態(tài)懲罰分解策略下的高維目標(biāo)進(jìn)化算法[J]. 王麗萍,張夢(mèng)紫,吳峰,章鳴雷,葉楓.  小型微型計(jì)算機(jī)系統(tǒng). 2018(10)
[2]基于正交設(shè)計(jì)模型的多目標(biāo)進(jìn)化算法[J]. 吳金妹,王亞輝,賈晨輝.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(02)
[3]基于分解進(jìn)化多目標(biāo)優(yōu)化算法的火力分配問(wèn)題[J]. 張瀅,楊任農(nóng),左家亮,景小寧.  系統(tǒng)工程與電子技術(shù). 2014(12)
[4]一種改進(jìn)的基于分解的多目標(biāo)進(jìn)化算法[J]. 侯薇,董紅斌,印桂生.  計(jì)算機(jī)科學(xué). 2014(02)
[5]一種改進(jìn)的基于分解多目標(biāo)優(yōu)化算法[J]. 宋武,陳德祥.  電腦知識(shí)與技術(shù). 2012(34)
[6]一種基于正態(tài)分布交叉的ε-MOEA[J]. 張敏,羅文堅(jiān),王煦法.  軟件學(xué)報(bào). 2009(02)
[7]多目標(biāo)進(jìn)化算法中變異算子的比較與研究[J]. 文詩(shī)華,鄭金華,李密青.  計(jì)算機(jī)工程與應(yīng)用. 2009(02)
[8]均勻設(shè)計(jì)表的MATLAB實(shí)現(xiàn)[J]. 曹慧榮,李莉.  統(tǒng)計(jì)與決策. 2008(06)
[9]可加混料模型的A-最優(yōu)軸設(shè)計(jì)[J]. 趙娜,張崇岐.  廣州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(03)

碩士論文
[1]多目標(biāo)優(yōu)化進(jìn)化算法研究與應(yīng)用[D]. 王瑜.電子科技大學(xué) 2019
[2]多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用研究[D]. 吳柏林.電子科技大學(xué) 2019
[3]改進(jìn)粒子群算法在天線設(shè)計(jì)中的應(yīng)用[D]. 茅繼晨.杭州電子科技大學(xué) 2019
[4]基于CSO算法的陣列天線旁瓣電平抑制方法研究[D]. 梁爽.吉林大學(xué) 2017
[5]基于分解的混合多目標(biāo)進(jìn)化算法的研究與應(yīng)用[D]. 趙晶晶.安徽理工大學(xué) 2013



本文編號(hào)：3268010