学位论文 > 优秀研究生学位论文题录展示

多目标进化算法的分布性研究

作　者: 刘磊
导　师: 郑金华
学　校: 湘潭大学
专　业: 计算机科学与技术
关键词: 多目标进化算法分布性小生境变量联动
分类号: TP301.6
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

一个同时处理多个相互冲突的优化问题称之为多目标优化问题,解决此类问题的算法称之为多目标优化算法。通过一系列搜索过程,我们将会得到一组互相不支配的Pareto最优集。由于多目标优化问题往往具有非线性,甚至每个变量之间具有相关性等特征,导致无法通过传统方法很快得出最优Pareto集,因此学者们提出了将进化的思想引入多目标优化,并提出了一系列多目标进化算法。多目标进化算法运行机理是：首先根据上一代种群信息通过不同搜索策略生成新个体。然后制定某些规则产生一定的选择压力,淘汰一部分个体。这样反复迭代直到满足进化条件为此。种群分布性在评价一个多目标进化算法优缺点中占很重要的位置。维持种群良好的分布性不仅关系到决策者是否能够得到完整的决策信息,也是评价一个多目标进化算法重要指标。而种群分布性研究包括种群在目标空间分布以及在决策空间分布性两个方面。由于难以找到合适的切入点,当前关于多目标进化算法分布性研究仅仅集中于目标空间,很少有从目标空间和决策空间进行系统分析与研究的。本文以小生境为切入点,从目标空间及决策空间两个方面对多目标进化算法的分布性将进行深入的分析与研究。在目标空间模拟动物在自然环境中分布的小生境特性提出一种目标空间分布性保持策略维持种群分布性,利用最小生成树的图形特性自适应调节小生境半径。在决策空间,本文根据种群的分布性提出了一种基于小生境的个体选择策略,这种策略能够利用个体自身分布信息,利用差分来调整搜索方向,较没有经过优化的方法比,能提高对变量联动多目标优化问题搜索效率。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-25
  1.1 多目标优化问题的基本概念  9-10
  1.2 进化算法  10-12
    1.2.1 进化算法基本流程  11-12
    1.2.2 相关流程介绍  12
  1.3 多目标进化算法  12-19
    1.3.1 基于分解的多目标进化算法  14-18
    1.3.2 基于支配关系的多目标进化算法  18
    1.3.3 基于网格的多目标进化算法  18-19
  1.4 分布性保持策略相关研究  19-24
    1.4.1 基于聚集距离的分布性保持策略  20-21
    1.4.2 基于短边的分布性保持策略  21-22
    1.4.3 基于小生境的分布性保持策略  22-23
    1.4.4 基于ε支配关系的分布性保持策略  23-24
  1.5 本文研究工作  24
  1.6 论文结构  24-25
第2章自适应小生境分布性保持策略  25-35
  2.1 小生境半径设定及寻找相邻个体  25-26
  2.2 小生境的适应度求解优化  26-27
  2.3 自适应小生境分布性保持策略  27
  2.4 对比实验结果及分析  27-34
    2.4.1 二维测试函数  28-29
    2.4.2 二维实验数据分析  29-30
    2.4.3 三维测试函数  30-33
    2.4.4 三维实验数据分析  33-34
  2.5 小结  34-35
第3章决策空间相邻小生境搜索策略研究  35-48
  3.1 复杂多目标优化问题的变量联动特性  35-36
  3.2 差分进化算法相关概念  36-37
  3.3 相邻小生境搜索策略  37-39
  3.4 测试函数  39-42
  3.5 对比算法及实验参数  42
  3.6 实验结果与分析  42-47
  3.7 小结  47-48
第4章总结与展望  48-49
参考文献  49-53
致谢  53-54
附录A (攻读硕士学位期间公开发表的论文)  54-55
附录B (部分重要源代码)  55-61

多目标进化算法的分布性研究

内容摘要

全文目录

相似论文