

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、大多數(shù)工程設(shè)計和科學(xué)研究等領(lǐng)域中普遍存在的優(yōu)化決策問題均可以歸納為多目標(biāo)優(yōu)化問題(MOPs),這些各個優(yōu)化目標(biāo)間往往是相互聯(lián)系但又彼此制約的,一個目標(biāo)性能的優(yōu)化會造成其他其余目標(biāo)性能的劣化,即多個目標(biāo)很難同時達(dá)到最優(yōu)。因此針對MOPs的研究成為了進化計算中的一個富有重大意義和挑戰(zhàn)性的課題。DE算法作為目前比較有效的進化算法之一,十分適合于 MOPs的求解。目前針對多目標(biāo)差分進化(MODE)算法的研究處在發(fā)展階段,因此本文旨在研究 MOD
2、E算法。全文的主要工作包括以下幾個方面。
首先針對MOPs的研究背景和意義予以全面的介紹;然后給出了它的數(shù)學(xué)模型和一些相關(guān)核心概念的定義說明;接著,介紹了MODE算法并回顧與總結(jié)了它的研究進展;最后,指出了目前MODE算法存在不足之處和難點問題。
針對MODE算法在MOPs求解的過程中存在收斂性和分布均勻性欠佳等不足,提出了一種基于多策略排序變異的多目標(biāo)差分進化算法(MODE-MSRM)。通過對差分進化過程中不同變異
3、模式的研究,充分利用各自優(yōu)點并將其與基于排序變異算子相結(jié)合,提出了一種自適應(yīng)的多策略排序變異的DE算子,使得算法的探索和開發(fā)性能得到提高。為了更有效地維持 Pareto最優(yōu)解集的分布均勻性,引入一種基于熵的擁擠距離計算方法。實驗結(jié)果說明MODE-MSRM算法相對于近期相關(guān)文獻中的算法在求解MOPs時具有更好的收斂性和分布性。
為了進一步促使算法能產(chǎn)生收斂性好且分布均勻的Pareto最優(yōu)解集,基于MO DE-MS R M算法,提
4、出了一種基于外部歸檔和球面修剪機制的多目標(biāo)差分進化算法(MODE-ASP)。該算法通過融入一種控制參數(shù)自適應(yīng)的方法來提高算法的魯棒性。此外,采用外部歸檔集合對進化過程中所能尋找到的非支配解予以保存。另外,在外部歸檔集合的維護過程中,使用球面修剪機制來代替基于熵的擁擠距離計算方法,以此使外部歸檔集合中的解具有較好的多樣性和分布均勻性。實驗結(jié)果表明,本章所提出的算法相對于相關(guān)文獻中的算法具有一定的優(yōu)勢。
在實際求解MOPs過程中,
5、決策者通常只對部分區(qū)域內(nèi)的解感興趣,因此如何在進化過程中融入決策者偏好可提高算法搜索效率,為此提出了一種基于全局物理規(guī)劃的偏好多目標(biāo)差分進化算法(MODE-GPP)。該算法在前面 MODE-ASP算法基礎(chǔ)上,引入全局物理規(guī)劃策略,運用更簡潔有效的語言來表達(dá)決策者偏好,從而引導(dǎo)種群朝著決策者感興趣的區(qū)域進化,以獲得決策者比較滿意的解。實驗結(jié)果表明所提算法是比較有效的。
本文的研究工作得到廣西區(qū)研究生教育創(chuàng)新計劃資助項目(0025
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(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, 同時也不承擔(dān)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(biāo)差分進化算法的改進研究.pdf
- 基于跳躍基因的多目標(biāo)差分進化算法研究
- 多目標(biāo)動態(tài)差分進化算法及其應(yīng)用研究.pdf
- 多目標(biāo)差分進化算法的自適應(yīng)策略研究.pdf
- 基于分區(qū)域的多目標(biāo)差分進化算法.pdf
- 多目標(biāo)聯(lián)盟運輸調(diào)度的差分進化算法研究.pdf
- 解決多目標(biāo)優(yōu)化問題的差分進化算法研究.pdf
- 解多目標(biāo)優(yōu)化問題的改進差分進化算法研究.pdf
- 基于多目標(biāo)混合差分進化算法的電機優(yōu)化設(shè)計.pdf
- 806.基于分解的多目標(biāo)量子差分進化算法研究
- 基于差分進化算法的連鑄冷卻過程多目標(biāo)優(yōu)化.pdf
- 基于目標(biāo)優(yōu)化的差分進化算法研究.pdf
- 應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進化算法.pdf
- 多目標(biāo)差分進化混合算法研究及其在磨礦分級中的應(yīng)用.pdf
- 自適應(yīng)差分進化算法解決多目標(biāo)有限緩沖車間調(diào)度問題研究.pdf
- 基于差分進化的選礦運行指標(biāo)多目標(biāo)優(yōu)化方法.pdf
- 差分進化算法的改進研究.pdf
- 差分進化算法及其應(yīng)用.pdf
- 差分進化算法及其應(yīng)用研究.pdf
- 差分進化神經(jīng)網(wǎng)絡(luò)算法研究.pdf
評論
0/150
提交評論