学位论文 > 优秀研究生学位论文题录展示

偏好多目标进化算法研究

作　者: 谢谆志
导　师: 郑金华
学　校: 湘潭大学
专　业: 计算机科学与技术
关键词: 多目标进化算法偏好多目标优化决策者 Pareto支配角度支配
分类号: TP301.6
类　型: 硕士论文
年　份: 2013年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

进化计算是指进化规划、遗传算法、和进化策略三者的统称。进化算法已经广泛用于工程控制、函数优化、机器学习等NP难问题的求解上，通过模拟生物进化过程中的杂交变异来保留父代的优良基因和自然选择的“优胜劣汰”机制来解决现实生活中的各种复杂优化问题。它是起源于上世纪50年代末，成熟于上世纪80年代，发展到现在已经成为一个独立完整学科，广泛应用于其它各个学科的新兴热点研究方向。从优化问题的角度来说可以分为单目标优化问题和多目标优化问题，单目优化问题即被优化的问题只有一个需要优化的目标，最优解也只有一个，而多目标优化问题（现实生活中的优化问题主要是多目标优化问题）是优化2个或以上的相互冲突的目标，最优解的个数变成无穷多个，而且随着优化目标的不断增多优化的难度以及最优个体的数量都将以几何级数增长。对于传统的多目标优化算法而言，它们追求的是分布广泛、均匀和收敛的最优解，但是对于决策者来说他/她只需要用到其中的一个或者几个解，而其它大多数解是要被丢弃的也就造成了一种浪费。为了最大程度的避免这种浪费研究者们提出了偏好多目标优化算法（preference-based multi-objective evolutionaryalgorithms,PMOEAs）这一概念。所谓偏好多目标进化算法即引入决策者的偏好信息，算法根据所引入的偏好信息求解最能满足偏好的最优解，从而避免了不必要的计算资源的浪费。本文提出了一种基于角度关系的偏好多目标进化算法。该算法通过角度关系将非支配个体集进行适应度分层，利用参考点引导种群趋近决策者更感兴趣的区域。根据“支点”到解个体的向量与“支点”到种群中离参考点最近解的向量的比较关系，借助自适应夹角差判定个体优劣。与几种流行的偏好多目标进化算法进行比较实验，结果表明本文所提出的算法有如下特性：1)可灵活地控制偏好解的范围；2)支持多引用点；3)引用点的位置(在可行域内，可行域外，Pareto最优面上)不影响实验结果；4)有很好的适应性；5)在高维问题上能快速地获得决策者感兴趣的解。偏好多目标算法是目前的一个研究热点,但是至今还没有好的针对它的评价方法。这主要是因为偏好的主观性导致的，因此我们只能通过一些评价传统多目标算法的评价指标来评价偏好算法这往往是不准确的。为此本文提出了一种结合IGD和GD评价方法，针对偏好算法的评价指标。该评价方法能比较客观的反映传统评价方法所不能反映的一些偏好算法的性能。

全文目录

摘要  4-5
Abstract  5-9
符号说明表  9-10
第1章引言  10-20
  1.1 进化计算简介  10-15
    1.1.1 单目标基本概念介绍  11-12
    1.1.2 多目标基本概念介绍  12-13
    1.1.3 高维多目标基本概念介绍  13-14
    1.1.4 一个进化算法例子  14-15
  1.2 偏好多目标进化算法  15-16
  1.3 进化算法编码 SDK  16-19
  1.4 论文结构  19-20
第2章偏好多目标进化算法  20-33
  2.1 基本介绍  20-21
  2.2 NSGA-II  21-23
    2.2.1 PARETO 最优解集构造方法  21-22
    2.2.2 种群的多样性和分布性保持  22-23
    2.2.3 NSGA-II 算法流程  23
  2.3 引用点方法  23-24
  2.4 G-DOMINANCE 方法  24-27
  2.5 R-DOMINANCE 方法  27-29
  2.6 基于光束搜索的方法  29-31
  2.7 双极偏好  31-33
第3章基于角度的偏好多目标进化算法  33-41
  3.1 角度偏好  34-36
    3.1.1 角度偏好相关定义  35-36
  3.2 算法流程  36
  3.3 交互式过程  36-37
  3.4 如何引入偏好点讨论  37-38
  3.5 角度支配数学特性  38-39
  3.6 偏好评价  39-41
    3.6.1 评价过程  40-41
第4章试验设计与对比  41-54
  4.1 参数设置  42-43
  4.2 角度偏好参数作用  43-44
  4.3 试验对比  44-52
  4.4 试验结果评价  52-53
  4.5 试验总结  53-54
第5章工作总结与展望  54-55
参考文献  55-59
致谢  59-60
附录 A 攻读硕士学位期间科研成果  60

相似论文

基于多目标智能算法的节能减排发电调度研究,TM73
认知理论视角下日本决策者的“中国军事威胁论”研究,E313
企业工程师与决策者的工程伦理思考,F270
中美首脑互动研究,D822.3
数字电路多目标进化设计研究,TN79
钢材下料问题的多目标智能优化算法研究,TU755.3
多目标进化算法中多样性与均匀性策略研究,O221.6
长距离引水式水电站调压室水力特性及多目标优化的研究,TV732.5
尼克松时期的中美关系,D829.712
行政决策者责任研究,D630
中国外交决策中的心理认知因素,D820
从《毛泽东诗词》的翻译看译者的角色,I046
低功耗软硬件划分算法研究,TP301.6
集成神经网络和多目标进化算法的卷烟产品参数优化设计方法及应用研究,TP391.72;TP183
多目标进化算法及其应用研究,TP301.6
多目标进化算法的改进及其应用研究,TP18
多目标进化算法解集分布性评价指标及其应用,TP301.6
多目标进化算法的分布性研究,TP301.6
多目标优化Pareto支配性预测方法研究,TP301.6
渐进交互式多目标进化算法在垃圾处理站选址中的应用,TP301.6