多目标进化算法及其应用研究

作     者：欧阳志平 

作者单位：深圳大学 

学位级别：硕士

导师姓名：徐晨

授予年度：2020年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 082503[工学-航空宇航制造工程] 0802[工学-机械工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：多目标优化 MOEA/D NSGA-Ⅱ MOPSO 航迹规划 图像风格迁移 

摘      要：在经济增长和计算机技术不断发展的背景下,多目标优化问题已经成为了科学研究和工程技术中的一个研究热点.针对多目标优化问题的求解,本文提出了一种混合多目标问题求解算法,同时提高了求解多目标优化的粒子群算法的种群多样性,通过测试函数、无人机的航迹规划和图像风格迁移验证了算法的有效性,具体研究工作如下:(1)针对多目标优化问题的求解,本文首先结合具有良好收敛性的基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)和具有良好分布性的二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II),构建了一种混合多目标优化问题求解算法(MOEA/D-NSGA-II).接着,进一步考虑MOPSO在求解多目标优化问题过程中种群多样性有待提高,提出了一种改进的MOPSO算法,即通过定义个体到种群的距离,选择最大距离的个体为全局最优个体以维持种群多样性.最后,在ZDT、DTLZ系列测试函数上分别进行仿真实验,实验结果表明了混合算法MOEA/D-NSGA-II和改进MOPSO的有效性.(2)针对无人机航迹规划问题,本文首先将威胁代价和路径长度作为两个目标,构建了二目标无人机航迹规划模型.针对基于Voronoi图的Dijkstra算法无法获得航迹规划的Pareto最优解,本文提出了一种基于栅格法和目标函数距离矩阵的Dijkstra算法,以求解无人机航迹规划路径的Pareto最优解.考虑到基于栅格法的Dijkstra算法将无人机航迹点的选择局限于栅格的顶点,造成了搜索空间大量信息的损失,本文提出一种基于分解的固定步长搜索算法,从而得到了更加良好的近似Pareto最优解.为了得到精度更高的近似Pareto最优解,本文将多目标优化机制引入到航迹规划求解的迭代过程中,即将MOEA/D、NSGA-II、MOEA/D-NSGA-II、MOPSO以及改进MOPSO等多目标进化算法应用于二目标无人机航迹规划的求解.最后,本文通过超体积评价指标(Hyper Volume,HV)评估算法的性能,发现改进MOPSO在求解航迹规划问题时获得的HV数值比MOEA/D、NSGA-II、MOEA/D-NSGA-II、MOPSO算法均高5%左右,该结果验证了改进MOPSO算法的有效性.(3)针对图像风格迁移问题,本文编程实现了基于色彩迁移、傅里叶变换和深度学习三种图像风格迁移算法,发现色彩迁移可对颜色内容丰富的图像迁移效果并不明显,基于傅里叶变换的图像风格迁移的生成图像比较模糊.基于深度学习的图像风格迁移算法比色彩迁移和傅里叶变换的图像迁移效果明显,但不能在训练的同时生成Pareto图像,所以本文提出了一种多目标风格迁移算法,将多目标进化算法与风格迁移算法相结合,从而使算法能生成近似Pareto图像,可供具有不同偏好的用户进行选择.