支持向量機(jī)與多目標(biāo)進(jìn)化算法融合技術(shù)及其應(yīng)用研究.pdf

1、在科學(xué)研究和工程設(shè)計中，存在著大量的多目標(biāo)非線性問題，對這類問題的建模與優(yōu)化一直是較難的課題，支持向量機(jī)作為一種專門研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論，比傳統(tǒng)的統(tǒng)計學(xué)習(xí)理論和神經(jīng)網(wǎng)絡(luò)具有更好的泛化推廣能力，能夠很好的解決非線性問題的建模問題。進(jìn)化算法是一種模擬自然進(jìn)化過程的隨機(jī)優(yōu)化方法，同時也是一種全局性概率優(yōu)化方法，用于多目標(biāo)問題的進(jìn)化算法不僅可以一次性獲得多目標(biāo)優(yōu)化問題的大量Pareto 最優(yōu)解,而且其優(yōu)化結(jié)果具有良好的一致性，因此

2、多目標(biāo)進(jìn)化算法非常適合多目標(biāo)優(yōu)化問題的求解。 本文通過對支持向量機(jī)原理的分析，在前人的工作基礎(chǔ)上，提出了改進(jìn)的支持向量機(jī)算法，即針對支持向量機(jī)中的參數(shù)難以選擇的問題用差分進(jìn)化算法來進(jìn)行參數(shù)選擇，數(shù)值實驗表明改進(jìn)的支持向量機(jī)算法能夠很好的解決其參數(shù)選擇問題。同時通過對多目標(biāo)進(jìn)化算法原理的分析與研究，結(jié)合目前兩種較為先進(jìn)的算法——非支配排序進(jìn)化算法和多目標(biāo)差分進(jìn)化算法，加入多項式變異算子，提出了改進(jìn)的多目標(biāo)進(jìn)化算法，函數(shù)測試表明改進(jìn)

3、的多目標(biāo)進(jìn)化算法在測試問題上優(yōu)于非支配排序進(jìn)化算法，能夠很好的收斂于測試問題的Pareto 前沿而且具有很好的均勻分布性。 然后本文通過融合支持向量機(jī)與多目標(biāo)進(jìn)化算法，提出了一套多目標(biāo)非線性問題的建模與優(yōu)化的計算框架，函數(shù)測試顯示性能良好。 針對提出的計算框架，本文將其應(yīng)用于一個實例——某鋼鐵企業(yè)的產(chǎn)品質(zhì)量性能與影響因素建模與優(yōu)化，結(jié)果顯示較好的解決了其建模與優(yōu)化的問題。本文最后結(jié)合企業(yè)的生產(chǎn)情況，給出了相應(yīng)的生產(chǎn)建議，