收藏本站
《桂林理工大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

多目标差分进化算法研究

艾兵  
【摘要】:大多数工程设计和科学研究等领域中普遍存在的优化决策问题均可以归纳为多目标优化问题(MOPs),这些各个优化目标间往往是相互联系但又彼此制约的,一个目标性能的优化会造成其他其余目标性能的劣化,即多个目标很难同时达到最优。因此针对MOPs的研究成为了进化计算中的一个富有重大意义和挑战性的课题。DE算法作为目前比较有效的进化算法之一,十分适合于MOPs的求解。目前针对多目标差分进化(MODE)算法的研究处在发展阶段,因此本文旨在研究MODE算法。全文的主要工作包括以下几个方面。首先针对MOPs的研究背景和意义予以全面的介绍;然后给出了它的数学模型和一些相关核心概念的定义说明;接着,介绍了MODE算法并回顾与总结了它的研究进展;最后,指出了目前MODE算法存在不足之处和难点问题。针对MODE算法在MOPs求解的过程中存在收敛性和分布均匀性欠佳等不足,提出了一种基于多策略排序变异的多目标差分进化算法(MODE-MSRM)。通过对差分进化过程中不同变异模式的研究,充分利用各自优点并将其与基于排序变异算子相结合,提出了一种自适应的多策略排序变异的DE算子,使得算法的探索和开发性能得到提高。为了更有效地维持Pareto最优解集的分布均匀性,引入一种基于熵的拥挤距离计算方法。实验结果说明MODE-MSRM算法相对于近期相关文献中的算法在求解MOPs时具有更好的收敛性和分布性。为了进一步促使算法能产生收敛性好且分布均匀的Pareto最优解集,基于MODE-MSRM算法,提出了一种基于外部归档和球面修剪机制的多目标差分进化算法(MODE-ASP)。该算法通过融入一种控制参数自适应的方法来提高算法的鲁棒性。此外,采用外部归档集合对进化过程中所能寻找到的非支配解予以保存。另外,在外部归档集合的维护过程中,使用球面修剪机制来代替基于熵的拥挤距离计算方法,以此使外部归档集合中的解具有较好的多样性和分布均匀性。实验结果表明,本章所提出的算法相对于相关文献中的算法具有一定的优势。在实际求解MOPs过程中,决策者通常只对部分区域内的解感兴趣,因此如何在进化过程中融入决策者偏好可提高算法搜索效率,为此提出了一种基于全局物理规划的偏好多目标差分进化算法(MODE-GPP)。该算法在前面MODE-ASP算法基础上,引入全局物理规划策略,运用更简洁有效的语言来表达决策者偏好,从而引导种群朝着决策者感兴趣的区域进化,以获得决策者比较满意的解。实验结果表明所提算法是比较有效的。
【学位授予单位】:桂林理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP18

免费申请
【相似文献】
中国期刊全文数据库 前10条
1 刘波;王凌;金以慧;;差分进化算法研究进展[J];控制与决策;2007年07期
2 李维刚;贾树晋;郭朝晖;;基于分解的多目标差分进化算法及其应用[J];信息与控制;2013年03期
3 俞国燕;李鹏;何真;孙延明;;一种用于多目标约束优化的改进进化算法[J];计算机集成制造系统;2009年06期
4 孟红云;张小华;刘三阳;;用于约束多目标优化问题的双群体差分进化算法[J];计算机学报;2008年02期
5 刘龙龙;;一种随机变异策略的改进DE算法[J];知识文库;2018年17期
6 谢承旺;许雷;赵怀瑞;夏学文;魏波;;应用精英反向学习的多目标烟花爆炸算法[J];电子学报;2016年05期
7 梁玉洁;许峰;;自适应混合多目标分布估计进化算法[J];计算机工程与应用;2014年05期
8 魏文红;王甲海;陶铭;袁华强;;基于泛化反向学习的多目标约束差分进化算法[J];计算机研究与发展;2016年06期
9 肖宝秋;刘洋;戴光明;;通过网格改进的基于指标的进化算法[J];计算机应用;2012年11期
10 程兰;邢艳君;任密蜂;谢刚;陈杰;;基于ε等级约束差分进化的多径估计算法[J];电子学报;2018年01期
中国重要会议论文全文数据库 前10条
1 刘潇;桂卫华;王雅琳;王晓丽;阳春华;;一种改进的多目标差分进化算法研究[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
2 叶青;熊伟清;李纲;;多目标优化的多种群混合行为二元蚁群算法[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
3 徐一;杨静;任志刚;杨迅幸;;基于学习的烟花算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
4 姚雪;;基于算法多样化培养学生思维习惯和创新精神[A];2019年“区域优质教育资源的整合研究”研讨会论文集[C];2019年
5 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年
6 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年
7 袁沈坚;顾幸生;;基于差分进化的膜计算优化算法[A];上海市化学化工学会2010年度学术年会论文集(自动化专题)[C];2010年
8 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编(下)[C];2007年
9 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年
10 林克旺;;基于分层网络实现高效的自稳定的选举算法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(下册)[C];2006年
中国重要报纸全文数据库 前10条
1 眉间尺;比算法推荐更重要的是确认眼神[N];科技日报;2018年
2 郑磊;当算法操控人类[N];21世纪经济报道;2020年
3 陈航辉;切勿陷入算法迷信[N];解放军报;2019年
4 西南政法大学行政法学院 邬蕾;算法与法秩序的重塑[N];中国社会科学报;2019年
5 曾子林 邹力;谨防智能化作战的算法误区[N];解放军报;2019年
6 吴学安;要注意算法中存在的法律隐患[N];中国审计报;2019年
7 本报记者 张建军;“7G”智慧算法来了[N];经济日报;2019年
8 沈东坡;致命的“算法”[N];滨海时报;2017年
9 刘振;“成于算法”当警惕“败于算法”[N];安徽日报;2018年
10 中国信息通信研究院产业与规划研究所 李曼 谢智刚;算法升级加快数字经济发展步伐[N];人民邮电;2018年
中国博士学位论文全文数据库 前10条
1 解为成;基于局部摸索的差分进化算法及其在曲面重建中的应用[D];武汉大学;2013年
2 王旭;改进差分进化算法及其在可逆逻辑综合中的应用[D];东华大学;2013年
3 董宁;求解约束优化和多目标优化问题的进化算法研究[D];西安电子科技大学;2015年
4 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
5 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年
6 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年
7 高卫峰;人工蜂群算法及其应用的研究[D];西安电子科技大学;2013年
8 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
9 王翔;混合蚁群算法及其在管理优化中的应用[D];东华大学;2012年
10 赵进慧;膜计算仿生优化算法及应用研究[D];浙江大学;2010年
中国硕士学位论文全文数据库 前10条
1 艾兵;多目标差分进化算法研究[D];桂林理工大学;2017年
2 刘丁明;进化算法解决多目标优化问题[D];中原工学院;2017年
3 伍军;解决多目标优化问题的差分进化算法研究[D];湘潭大学;2009年
4 王强;多目标优化算法中归档集的研究[D];暨南大学;2015年
5 何斐;用于解决高维多目标优化问题的偏好算法[D];西安电子科技大学;2014年
6 刘文盼;多目标差分进化算法的自适应策略研究[D];湘潭大学;2012年
7 胡碧山;基于进化算法的稀疏重构及个性化推荐系统研究[D];深圳大学;2017年
8 黎延海;基于粒子群优化与差分进化混合算法的多目标优化及应用[D];西安石油大学;2014年
9 陈乔礼;应用于多目标优化问题的非支配排序差分进化算法[D];武汉科技大学;2007年
10 王创业;基于进化算法的电力经济调度优化研究[D];华北电力大学;2015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
  • 010-62791813
  • 010-62985026