收藏本站
《中国科学技术大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

多目标进化算法研究

黄林峰  
【摘要】: 现实世界的很多优化问题都是由多个互相作用且互相冲突的目标组成的,它的最优解不是一个解,而是一组均衡解,这组解被称为Pareto最优解集。进化算法作为一种群体智能搜索方法十分适合用来求解多目标优化问题。从20世纪80年代中期开始,进化算法就被应用于求解多目标优化问题。近年来涌现出大量的多目标进化算法,其中一些已成功应用到工程实践中,进化多目标优化也因此成为目前进化计算和多目标优化领域的一个研究热点。多目标0/1背包问题是经典的组合优化问题,具有重要的理论研究和工程应用价值,并且常常被用来测试多目标进化算法的性能。 本文旨在通过对多目标进化算法进行深入的探索和研究,针对多目标0/1背包问题设计高效的求解策略,并进行相应的实验和理论分析。本论文的研究内容主要包括以下几个方面: (1)针对多目标0/1背包问题,提出了两种新的加权修复策略。自Zitzler等人提出SPEA算法以来,多目标进化算法被广泛地用于求解多目标0/1背包问题。多目标0/1背包问题必须满足容量约束,然而进化算法在求解过程中会产生超出容量的不可行解。最直接最有效的方法之一是通过修复操作将不可行解变成可行解,而目前最常用的基于最大化利率的修复策略并没有全面考虑物品对各个包的影响。因此,本文提出了两种新的加权修复策略,分别基于背包容量和个体约束违反程度。将这两种新的修复策略分别应用到经典算法SPEA2中来求解多目标0/1背包问题,实验结果表明新的修复策略不仅在2到4个目标的样本上收敛性有较大提高,并且分布性也有一定的改善。与此同时,在目标数超过4个的高维多目标0/1背包问题上性能也有明显提高。 (2)针对多目标优化问题,基于Minkowski距离和对各个目标值进行加权,提出了多种新的密度评估策略。多目标优化的目标就是找到一个解集。这个解集要满足两个要求,即收敛性和分布性。收敛性就是要使得到的解集在目标空间上与真正Pareto最优前沿的距离尽可能小,而分布性则是要使这个解集在目标空间尽可能均匀分布。当前多目标进化算法的设计正是围绕着这两个要求来进行的。引入Pareto支配关系是为了尽可能保证算法的收敛性,而密度函数的引入则主要是为了尽可能保证算法有更好的分布性。当然,这两方面是相互关联、相互影响的。当非支配解的数目超过归档群体大小时,就需要根据密度函数删除一部分个体。而在遗传选择时,大量支配关系相同的个体就要根据密度函数来决定其优劣。因此,密度评估策略对多目标进化算法的性能是很重要的,但对于高维多目标问题,现有密度评估策略的可扩展性却存在一定问题。为此,本文更全面地考虑目标空间上各个子目标的影响,基于Minkowski距离和对各个子目标值进行加权,提出了几种新的密度评估策略。在4到9个目标的多目标0/1背包问题样本上的实验结果表明,使用新的密度评估策略的多目标进化算法能更有效的收敛到Pareto前沿。然后,将其与本文提出的修复策略相结合,实验结果表明二者结合后使得算法收敛性有更大提高。此外,进一步将已有的基于欧氏距离与随机距离的密度评估策略相结合提出了混合密度评估策略,并用实验验证了它的有效性。 (3)针对多目标进化算法,提出了多种新的遗传选择策略。遗传选择是多目标进化算法的一个重要步骤。现有的多目标进化算法在进行遗传选择时,大都是从外部群体中来选择父代个体,并且基本是采用基于局部竞争的选择方法,如锦标赛选择等。竞争获胜的标准一般是根据适应度的大小来判断,而适应度的大小通常由个体间的Pareto支配关系和个体信息(比如密度函数)来共同决定。当目标数增多时,非支配解的数目急剧增加,外部群体中的大多数个体均为非支配解,此时哪个个体获胜完全依赖于密度函数的值,偏向于保持解集的分布性,这显然不够合理。因此,通过在锦标赛选择时加入考虑两个体间各子目标值的具体对比情况,本文提出了多种新的遗传选择策略。实验结果表明,使用新的遗传选择策略的多目标进化算法在求解超过4个目标的多目标0/1背包问题时性能有很大提高。然后,将其与本文提出的修复策略相结合,实验结果表明二者结合后对于算法收敛性有更大提高,对于算法的分布性也并没有不利的影响。 本论文以多目标优化问题为背景,对多目标0/1背包问题的修复策略、多目标进化算法中的密度评估策略、遗传选择策略进行了较为深入的研究。这不仅对多目标进化算法的研究有着重要的意义,也对多目标优化的实际应用有着重要的意义。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 汪文彬;李应勇;;一种改进的多目标变异算子[J];安徽广播电视大学学报;2008年02期
2 杨善学;;基于Pareto的动态限制精英的多目标进化算法[J];邯郸职业技术学院学报;2009年02期
3 马清亮;胡昌华;;多目标进化算法及其在控制领域中的应用综述[J];控制与决策;2006年05期
4 鲍培明;朱庆保;;用于多目标进化的归一化排序非支配集构造方法[J];电子学报;2009年09期
5 格玛;周晖;陆拥俊;;基于混合策略的多目标自由搜索算法[J];系统工程;2011年03期
6 祁薇熹;李彬;;多目标演化算法的进展研究[J];计算机与数字工程;2008年05期
7 张钟德;欧阳智敏;陈明;;基于分布估计的多目标量子进化算法[J];宜春学院学报;2008年02期
8 李学斌;;多目标遗传算法在船舶操纵性优化设计中的应用[J];造船技术;2008年04期
9 雷德明;吴智铭;;基于粒子群优化的多目标作业车间调度[J];上海交通大学学报;2007年11期
10 李恒杰;郝晓弘;张磊;;一种用于多目标优化的克隆选择算法[J];科学技术与工程;2008年02期
11 宋木清;罗春龙;;融合支持向量机与多目标进化算法的质量管理研究[J];武汉理工大学学报(交通科学与工程版);2009年06期
12 肖艳;许峰;;基于改进庄家法则的多目标进化算法[J];软件导刊;2010年07期
13 杨新刚;许峰;;基于多目标进化算法的运输问题求解方法[J];软件导刊;2010年12期
14 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03期
15 刘海林;王宇平;刘永清;;带约束多目标最优化问题的一种新的进化算法[J];计算机科学;2002年07期
16 崔逊学;林闯;方廷健;;多目标进化算法的研究与进展[J];模式识别与人工智能;2003年03期
17 雷德明,吴智铭;基于个体密集距离的多目标进化算法[J];计算机学报;2005年08期
18 林丹;王宏;李敏强;;用多目标进化算法求解二层规划双目标模型[J];系统工程理论与实践;2006年05期
19 师瑞峰;周泓;上官春霞;;混合递进多目标进化算法及其在flow shop排序中的应用[J];系统工程理论与实践;2006年08期
20 杨善学;王宇平;;基于Pareto最优和限制精英的多目标进化算法[J];计算机工程与应用;2007年02期
中国重要会议论文全文数据库 前6条
1 李枚毅;;并发定位与建图的多目标免疫进化算法[A];第二十六届中国控制会议论文集[C];2007年
2 崔逊学;;多目标进化算法的研究现状与群体多样性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年
3 李雪;吴俊勇;杨媛;严翔;刘晓民;;高速铁路接触网悬挂系统维修计划的优化研究[A];高速铁路接触网系统新技术研讨会论文集[C];2010年
4 冯雷;张欣;张秀坤;;基于多目标进化算法的电梯群控优化调度仿真[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
5 罗亚中;;航天器轨迹多目标优化研究评述[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年
6 张永;吴晓蓓;徐志良;黄成;;基于多目标遗传算法的高维模糊分类系统的设计[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年
2 谭艳艳;几种改进的分解类多目标进化算法及其应用[D];西安电子科技大学;2013年
3 刘立衡;多目标进化算法的研究及其在负荷分配中的应用[D];华北电力大学(北京);2010年
4 李勇;多目标进化算法及其在轧制规程优化中的应用研究[D];东北大学;2010年
5 柯鹏;基于多目标进化算法的车辆路径问题的研究[D];武汉大学;2013年
6 张明明;面向量子可逆逻辑自动综合的多目标进化算法研究[D];东华大学;2010年
7 王钧;成像卫星综合任务调度模型与优化方法研究[D];国防科学技术大学;2007年
8 马天义;低功耗软硬件划分算法研究[D];哈尔滨工业大学;2009年
9 马铭;基于数据驱动的模糊系统建模方法研究[D];吉林大学;2006年
10 孟红云;多目标进化算法及其应用研究[D];西安电子科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 左婷婷;基于擂台赛法则和聚集密度的多目标进化算法的研究与应用[D];安徽理工大学;2012年
2 赵晶晶;基于分解的混合多目标进化算法的研究与应用[D];安徽理工大学;2013年
3 吴慕琳;不确定环境下的多目标进化算法研究及应用[D];湘潭大学;2012年
4 孙艳平;带约束的多目标进化算法及其营养膳食模型的研究[D];河南工业大学;2010年
5 杨夏雯;多目标进化算法的改进及其应用研究[D];南京航空航天大学;2012年
6 金焕杰;混合多目标进化算法的研究与应用[D];安徽理工大学;2012年
7 马楠;一种基于稳态的多目标进化算法的研究[D];天津大学;2010年
8 张丽丽;约束多目标进化算法的研究与应用[D];安徽理工大学;2010年
9 李厚甫;基于博弈策略的多目标进化算法研究[D];湖南大学;2011年
10 谢谆志;偏好多目标进化算法研究[D];湘潭大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978