版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、區(qū)間參數(shù)多目標(biāo)優(yōu)化問(wèn)題是普遍存在,且非常重要的不確定優(yōu)化問(wèn)題。由于該問(wèn)題的參數(shù)取值為區(qū)間,且含有多個(gè)目標(biāo)函數(shù),因此,有效的解決方法非常少見(jiàn)。論文根據(jù)不同的實(shí)際需求,提出有效解決該問(wèn)題的3類(lèi)遺傳算法。
首先,面向多目標(biāo)優(yōu)化問(wèn)題的一般需求,給出一種求取近似Pareto最優(yōu)解集的遺傳算法。該算法通過(guò)定義區(qū)間占優(yōu)可信度下界,給出基于該下界的區(qū)間多目標(biāo)優(yōu)化問(wèn)題的占優(yōu)關(guān)系,及其相應(yīng)的Pareto最優(yōu)解集的性質(zhì);利用提出的占優(yōu)關(guān)系,修改NS
2、GA-Ⅱ的快速非被占優(yōu)解排序方法,開(kāi)發(fā)一種新的解決區(qū)間參數(shù)多目標(biāo)優(yōu)化問(wèn)題的遺傳算法,并從理論上分析該算法的性能;將所提方法應(yīng)用于6個(gè)區(qū)間參數(shù)多目標(biāo)優(yōu)化問(wèn)題,并與2個(gè)典型的優(yōu)化方法比較,實(shí)驗(yàn)結(jié)果表明所提方法的優(yōu)越性。
然后,根據(jù)在實(shí)際應(yīng)用中,決策者往往僅需要一個(gè)最滿(mǎn)意解(集)的要求,研究2種偏好表示方式下,采用邊優(yōu)化邊決策的方法,解決區(qū)間多目標(biāo)優(yōu)化問(wèn)題的進(jìn)化優(yōu)化方法。通過(guò)建立用于區(qū)間參數(shù)優(yōu)化問(wèn)題的偏好多面體理論,提出一種基于偏好
3、多面體的區(qū)間多目標(biāo)交互式遺傳算法,該算法定期將部分非被占優(yōu)解提交給決策者,以最差解為頂點(diǎn),在目標(biāo)空間中構(gòu)建偏好多面體;利用該多面體,進(jìn)一步區(qū)分具有相同序值的進(jìn)化個(gè)體。進(jìn)一步地,從偏好多面體中提取決策者的偏好方向;基于該偏好方向,設(shè)計(jì)反映進(jìn)化個(gè)體逼近性能的測(cè)度,將具有相同序值、相同偏好的個(gè)體排序,開(kāi)發(fā)一種基于偏好方向的區(qū)間多目標(biāo)交互式遺傳算法。將上述2種方法應(yīng)用于4個(gè)區(qū)間參數(shù)2目標(biāo)優(yōu)化問(wèn)題,并與后驗(yàn)方法比較,實(shí)驗(yàn)結(jié)果表明,2種方法皆?xún)?yōu)于后
4、驗(yàn)方法,可以得到符合決策者偏好的優(yōu)化解。此外,利用目標(biāo)的相對(duì)重要性,提出一種交互式遺傳算法,以得到一個(gè)符合決策者偏好的最滿(mǎn)意解集。在該算法中,決策者根據(jù)需要,交互式輸入代表其偏好的目標(biāo)間的相對(duì)重要性關(guān)系;由該關(guān)系得到其在目標(biāo)空間的偏好區(qū)域;基于該偏好區(qū)域,進(jìn)一步比較具有相同序值進(jìn)化個(gè)體的性能,指導(dǎo)算法向決策者真正的偏好區(qū)域搜索。將所提方法應(yīng)用于2個(gè)區(qū)間參數(shù)2目標(biāo)優(yōu)化問(wèn)題和2個(gè)區(qū)間參數(shù)3目標(biāo)優(yōu)化問(wèn)題,并與先驗(yàn)方法和后驗(yàn)方法比較,實(shí)驗(yàn)結(jié)果證
5、實(shí)所提方法是有效的,能夠找到更多符合決策者偏好的優(yōu)化解。
最后,基于對(duì)不確定優(yōu)化問(wèn)題的特殊要求,提出一種有效解決區(qū)間參數(shù)很多目標(biāo)優(yōu)化問(wèn)題的集合進(jìn)化遺傳算法。該方法以超體積和不確定度為目標(biāo),將原優(yōu)化問(wèn)題轉(zhuǎn)化為精確參數(shù)2目標(biāo)優(yōu)化問(wèn)題;定義基于集合的Pareto占優(yōu)關(guān)系,并修改NSGA-II的快速非被占優(yōu)解排序方法;此外,還提出集合進(jìn)化策略。將所提方法應(yīng)用于4個(gè)區(qū)間參數(shù)很多目標(biāo)優(yōu)化問(wèn)題,并與已有的方法比較,結(jié)果表明, 所提
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 遺傳算法用于多目標(biāo)過(guò)程優(yōu)化綜合的研究.pdf
- 多目標(biāo)優(yōu)化的遺傳算法研究.pdf
- 改進(jìn)的遺傳算法求解多目標(biāo)優(yōu)化問(wèn)題.pdf
- 基于遺傳算法的LVDT性能參數(shù)多目標(biāo)優(yōu)化.pdf
- 遺傳算法用于參數(shù)優(yōu)化源碼
- 基于遺傳算法的多目標(biāo)優(yōu)化算法研究.pdf
- 基于多目標(biāo)遺傳算法的電火花電參數(shù)優(yōu)化研究.pdf
- 基于遺傳算法的工程多目標(biāo)優(yōu)化.pdf
- 改進(jìn)的多目標(biāo)優(yōu)化遺傳算法及多目標(biāo)優(yōu)化軟件的研制.pdf
- 多目標(biāo)遺傳算法代碼
- 高維優(yōu)化問(wèn)題的多目標(biāo)遺傳算法研究及其應(yīng)用
- 基于遺傳算法的工程多目標(biāo)優(yōu)化研究.pdf
- 基于免疫遺傳算法的多目標(biāo)優(yōu)化研究.pdf
- 高維優(yōu)化問(wèn)題的多目標(biāo)遺傳算法研究及其應(yīng)用.pdf
- 遺傳算法程序代碼--多目標(biāo)優(yōu)化--函數(shù)最值問(wèn)題
- 單目標(biāo)_多目標(biāo)遺傳算法的研究.pdf
- 基于多目標(biāo)遺傳算法的氣門(mén)彈簧優(yōu)化設(shè)計(jì).pdf
- 一種新的多目標(biāo)優(yōu)化遺傳算法.pdf
- 基于遺傳算法的翼型多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì).pdf
- 基于遺傳算法的棒材孔型多目標(biāo)優(yōu)化.pdf
評(píng)論
0/150
提交評(píng)論