已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、自20世紀60年代初以來多目標優(yōu)化問題就受到研究人員越來越多的關注。近些年對演化算法的研究，表明了這種方法比傳統(tǒng)的搜索和優(yōu)化方法更加有效。演化多目標優(yōu)化(EMO)算法被廣泛地應用在各種問題中，在決策和優(yōu)化領域都引起了研究者極大的重視。 本文對當前流行的演化多目標優(yōu)化算法的基礎和不同實現(xiàn)方法中的基本思想進行了綜合分析和歸納。闡明當前多目標優(yōu)化領域的薄弱環(huán)節(jié)：帶有偏好信息的高維多目標優(yōu)化演化算法和多目標優(yōu)化算法性能的度量。以此為基礎
2、確定了本文的研究方法和目標。 具體的工作和創(chuàng)新點如下： 1、通過在NSGA-Ⅱ算法中加入新構造的變異算子和偏好算子，提出了基于參考點的演化算法(簡稱MR-NSGA-Ⅱ算法)，來實現(xiàn)高維多目標優(yōu)化問題的求解。本文還對算法的時間復雜度和性能進行綜合分析，數(shù)值實驗驗證了算法的有效性。 2、評價多目標優(yōu)化算法的性能方法包括測試函數(shù)和度量準則兩個基本要素，針對標準雙目標優(yōu)化測試問題，系統(tǒng)的分析構造多目標優(yōu)化測試函數(shù)的方法，
溫馨提示
- 1. 本站所有資源如無特殊說明，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，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多目標優(yōu)化演化算法.pdf
- 基于免疫算法的演化多目標優(yōu)化方法研究.pdf
- 基于演化算法的多目標優(yōu)化方法及其應用研究.pdf
- 多目標演化算法及在優(yōu)化問題中的應用.pdf
- 多目標演化算法研究.pdf
- 基于多目標優(yōu)化算法的推薦算法研究.pdf
- 基于PSO的多目標優(yōu)化算法研究及應用.pdf
- 基于參考點的演化聚類算法研究.pdf
- 基于進化算法的多目標優(yōu)化算法及應用研究.pdf
- 基于遺傳算法的多目標優(yōu)化算法研究.pdf
- 基于多目標演化算法的動態(tài)聚類方法研究.pdf
- 基于多目標差分演化的序列密碼算法研究.pdf
- 基于多目標優(yōu)化的進化算法研究.pdf
- 基于分解和自適應參考點偏好的進化多目標優(yōu)化方法研究.pdf
- 基于組合算法的多目標優(yōu)化研究.pdf
- 基于改進免疫算法的多目標優(yōu)化研究.pdf
- 基于粒子群優(yōu)化算法的動態(tài)多目標優(yōu)化算法研究及應用.pdf
- ε-dominance多目標演化算法在優(yōu)化問題中的應用研究.pdf
- 基于混沌鳥群算法的多目標優(yōu)化算法研究.pdf
- 基于遺傳算法的LVDT性能參數(shù)多目標優(yōu)化.pdf
評論
0/150
提交評論