检索结果-南通市图书馆

基于高维多目标的建筑被动式设计研究——以寒冷地区村镇住宅为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高维多目标的建筑被动式设计研究——以寒冷地区村镇住宅为例

作者：周健天津大学

学位级别：硕士

目前,我国乡村既有住宅总面积约为229亿平方米,占全国住宅面积一半以上,乡村住宅建筑总能耗为全国建筑总能耗的37.26%。在乡村住宅普遍为自建房的寒冷地区,由于住宅的围护结构基本无保温隔热措施,建筑常年室内热舒适水平较低。此外,限... 详细信息

目前,我国乡村既有住宅总面积约为229亿平方米,占全国住宅面积一半以上,乡村住宅建筑总能耗为全国建筑总能耗的37.26%。在乡村住宅普遍为自建房的寒冷地区,由于住宅的围护结构基本无保温隔热措施,建筑常年室内热舒适水平较低。此外,限于乡村居民的经济水平,村镇新建住宅设计应尽可能的减少成本投入,充分发挥被动式技术的优势。在前期方案设计阶段兼顾节能、舒适性、采光及经济性要求,综合解决此类问题本质上需求多目标优化求解的方法。现阶段建筑性能多目标优化方法表现良好,但是存在耗时长、效率低下和难以解决高维优化问题的缺点,且在方案设计选择上缺乏多目标决策方法的指导和应用。因此本文以村镇住宅建筑的EUI(energy use intensity:年平均能耗)、COST(用于节能的成本增量)、ADP(adaptive Comfort:非采暖季室内舒适度)和UDI(useful daylight illuminance:自然采光表现)为建筑性能优化目标,依次开展寒冷地区村镇住宅被动式设计优化研究。本文首先梳理了高维多目标相关理论基础,分析现有建筑性能多目标优化设计流程和转向高维多目标优化的技术应用瓶颈。对高维多目标优化算法发展现状进行了分析,得到4种具有代表性的多目标优化算法。结合多目标决策方法和算法评价指标,构建了以寒冷地区村镇住宅被动式设计研究的建筑性能高维多目标优化问题求解流程。其次,基于寒冷地区村镇住宅的现状调研,提取出寒冷地区村镇住宅典型模型,构建出建筑能耗模型、自然采光模型、热舒适模型和节能成本模型。在此基础上,采用敏感性分析方法分析包括窗墙比、屋面和外墙的保温层厚度、门窗和阳光间类型等建筑设计参数对建筑性能的影响。确定了建筑设计参数对建筑目标的影响程度,建立出用于替代建筑性能模拟的高效快速的建筑性能预测模型,为构建建筑性能高维多目标优化模型提供依据。最后,对比NSGA-II、MSOPS-II、IDBEA和NSGA-III四种算法在求解村镇住宅高维多目标问题的综合表现,选择应用综合性能最佳的NSGA-III算法,并以层次分析法(AHP)获取各指标的权重,利用多目标决策方法TOPSIS完成优化结果方案的最终选择。对比成本优先方案和原基础方案在建筑性能上的表现,围护结构节能成本增加5.20%,年均能耗密度降低18.77%,自然采光UDI值提高8.95%。本文构建的建筑性能高维多目标优化求解流程在求解寒冷地区村镇住宅被动式设计参数优化问题时具有良好的表现。使用AHP-TOPSIS多目标决策方法获取了基于相对均衡最优解的寒冷地区村镇住宅被动式设计策略,为寒冷地区村镇建筑的被动式节能提供参考。

关键词：村镇住宅高维多目标优化多目标决策被动式设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于角度惩罚距离的高维多目标进化算法

电子与信息学报 2018年第2期40卷 314-322页

作者：毕晓君王朝哈尔滨工程大学信息与通信工程学院哈尔滨150001

为了使多目标进化算法在收敛性和分布性之间保持平衡,该文提出一种基于角度惩罚距离的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance,Ma OEA-APD)。首先,综合考虑收敛性和分布性在进化... 详细信息

为了使多目标进化算法在收敛性和分布性之间保持平衡,该文提出一种基于角度惩罚距离的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance,Ma OEA-APD)。首先,综合考虑收敛性和分布性在进化不同阶段的重要性,构造一种角度惩罚距离,使两者随进化进程动态平衡;其次,开发基于删除劣质个体的环境选择策略,在提高种群分布性的同时提高收敛性;最后,根据环境选择的原理,设计与之相协调且互补的匹配选择过程,提高算法的整体进化效率。将所提算法与目前国内外性能优异的3种高维多目标进化算法进行对比,实验结果表明在WFG标准测试函数集上,该文算法相对于其他算法,综合性能有了较大的提升。

关键词：高维多目标优化进化算法删除策略角度惩罚距离

昂贵高维多目标进化优化中代理模型的应用研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

昂贵高维多目标进化优化中代理模型的应用研究

作者：李贞太原科技大学

学位级别：硕士

实际工程应用中的大多数优化问题,不仅是只有一个目标函数,而是含有多个相互冲突的目标,且这些目标进行一次函数评价需要耗费较多的时间成本。多目标进化算法可以优化此问题来获得一组能够兼顾每个目标的折衷解,但通常在获得最优解集之... 详细信息

实际工程应用中的大多数优化问题,不仅是只有一个目标函数,而是含有多个相互冲突的目标,且这些目标进行一次函数评价需要耗费较多的时间成本。多目标进化算法可以优化此问题来获得一组能够兼顾每个目标的折衷解,但通常在获得最优解集之前,都需要进行大量的函数评价。目前,代理模型辅助的进化算法是求解这一问题的有效手段,然而关于昂贵的多目标优化问题的研究仍处于初期阶段。因此,本文就计算昂贵的高维多目标问题进行研究,主要工作如下:一、混合估值策略辅助的进化高维多目标优化方法。在代理模型辅助的进化多目标优化算法中,由于代理模型受到训练样本维度的诅咒,随着问题维度的增加,一方面训练模型所需样本数量随之增加,而获得更多样本对于昂贵问题来说是非常困难的,另一方面若样本数不够,则训练的代理模型可能不准确,导致算法的搜索方向不准确,从而无法获得最优解。因此本文提出一种适应值估计策略作为局部模型,RBF作为全局代理模型,两者协同辅助进化多目标优化算法。同时考虑到种群的收敛性和多样性,本文提出一种新的个体估值填充准则计算方法用于模型管理,辅助选择有潜力的个体真实评价,从而更新代理模型和非支配解集。该方法在7个DTLZ基准测试问题上进行了实验对比,统计结果表明,本文算法在求解计算费时高维多目标优化问题上是有效的,且具有较强的竞争力。二、模型辅助的计算费时进化高维多目标优化。由于高斯过程模型具有较好的拟合问题的能力,本文使用其近似原问题,并通过对高斯过程模型最优解集的搜索,探索最优解集可能存在的不同领域,从而提高算法的开发能力。并基于个体的收敛性,种群的多样性和估值的不确定度,提出了一种新的期望提高计算方法,用于辅助从潜在的非支配解集中选择使用真实目标函数计算的个体,从而更新代理模型。在7个DTLZ基准测试问题上的实验对比结果表明,本文提出的算法在高维多目标优化问题上有较好的表现。

关键词：高维多目标优化代理模型计算费时问题填充准则

绿色容错高维多目标任务调度建模及其优化求解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

绿色容错高维多目标任务调度建模及其优化求解

作者：徐嘉蕾太原科技大学

学位级别：硕士

云计算经过多年的研究和发展已经成为了信息技术领域不可或缺的一部分,通过资源动态管理实现资源整合与共享,按需分配资源为用户提供服务。随着计算机技术和通讯技术的高速发展,虚拟化技术也在人类的生产生活方面带来了巨大的影响,越来... 详细信息

云计算经过多年的研究和发展已经成为了信息技术领域不可或缺的一部分,通过资源动态管理实现资源整合与共享,按需分配资源为用户提供服务。随着计算机技术和通讯技术的高速发展,虚拟化技术也在人类的生产生活方面带来了巨大的影响,越来越多的企业特别是中小企业都将应用部署在云上,这样不仅节约占用的实际空间,也可以提供方便的计算和存储服务。然而,由于云环境中的随机性,运行方式和用户需求的不可预测性,给任务调度带来了很大的挑战。因此,本文充分考虑了整个云任务调度过程中对调度产生影响的因素,构建了高维多目标优化云任务调度模型,并且设计高维多目标优化调度算法对提出的模型进行求解,具体工作为:(1)针对目前研究都关注调度过程中的时间和成本,进行单目标或者两个目标的调度不能得到较好的任务分配结果。本文考虑任务的完成时间、任务执行成本、虚拟机负载、用户满意度,提出了高维多目标云任务调度模型,并且利用多种经典的高维多目标优化调度算法在仿真实验平台对这些独立任务进行全局优化。除此之外,本文设计实验分析了任务数量和算法迭代次数对算法性能产生的影响。(2)为了解决云上的计算资源故障可能导致任务不能及时交付的问题,本论文基于容错策略和云服务系统的约束构建了考虑任务完成时间、任务执行成本、虚拟机负载、用户满意度和能耗的云任务绿色容错调度模型。该模型考虑了基于任务复制的主副版本容错技术,将每一个任务都有一个副版本任务,然后将这两个任务分配到不同的主机上。通过实验用经典的高维多目标优化算法对这五个目标构成的模型进行求解。(3)由于传统的高维多目标算法在算法前期对解的收敛压力较大,这使得解的多样性较低,导致在求解云任务调度这种实际问题中丢失了部分优秀的个体。为了能更好的求解任务调度问题,本文首先分析了不同概率分布对算法收敛性和多样性的影响,并且利用Wilcoxon检验和Friedman检验对不同的概率分布进行了分析,实验证明正态分布优于其他分布,并且对正态分布的参数也做了非参数检验。然后本文提出了一种基于正态分布的角度惩罚距离的高维多目标算法(RVEA-NDAPD),该算法在环境选择中施加以正态分布概率的收敛压力,这样保证有一定概率考虑多样性,将该算法与其他先进的高维多目标优化算法分别在DTLZ测试集上进行对比,实验结果表明所提出的算法有较好的性能。然后将该算法用于求解第二、三章所提出的模型,仿真结果表明,RVEANDAPD比其他调度算法更适合云任务调度问题,得到较好的任务分配策略。

关键词：云计算任务调度虚拟机容错高维多目标优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于聚合树的高维多目标降维优化算法研究

基于聚合树的高维多目标降维优化算法研究

作者：吴天纬中国计量大学

学位级别：硕士

在现实世界中的众多工程问题与研究都可以描述为多目标优化问题,即需要同时对多个目标进行优化,解决这类问题的多目标优化算法也因此得到了广泛应用。进化算法是通过模拟生物自然选择和进化的随机搜索算法,因具有较强的求解能力和通用... 详细信息

在现实世界中的众多工程问题与研究都可以描述为多目标优化问题,即需要同时对多个目标进行优化,解决这类问题的多目标优化算法也因此得到了广泛应用。进化算法是通过模拟生物自然选择和进化的随机搜索算法,因具有较强的求解能力和通用性而受到越来越多学者们的关注。经典的多目标进化算法,可以高效地处理2个目标的优化问题,但是这些算法在遇到超过3个目标的高维多目标优化问题时,几乎都会遇到算法性能急剧下降的问题。针对高维多目标问题,本文结合国内外研究热点,提出了一种结合两种不同方法的高维多目标降维优化算法,主要工作内容如下。基于目标降维的优化思想,提出了改进聚合树算法。聚合树算法是一种可以快速计算目标间的冲突关系的目标降维算法,本文基于聚合树算法的冲突度计算方法,针对原聚合树算法鲁棒性较差以及后续优化方法缺失的问题,提出了数组叠加机制,并定义了冲突趋势和冲突度误差,改善了算法稳定性与准确性;并采用种群合并降维的方法,定义降维截止冲突度,减少目标信息丢失,保证后续算法的求解能力,也支持直接嵌入到其他MOEA框架中。基于平衡种群分布性和收敛性的优化思想,针对二代双档案算法环境选择压力不足以及种群分布性易丢失的问题,本文提出了一种基于ε支配关系的改进二代双档案算法。该算法采用ε支配关系选择分布性种群中的个体,扩大个体的分布范围;随后,采用基于!"指标的边界保护策略更新收敛性种群,提高算法收敛效率和性能;此外,本文提出了快速更新策略作为算法框架,更好地维护种群大小和提高算法搜索效率。为了评价本文所提算法,将与NSGA-III、Hype、MOEA/D、SPEA2等典型算法在不同维数的DTLZ和WFG测试函数集上进行对比数值实验,并对阵列天线和微带八木天线的方向性、回波损耗等优化目标进行对比优化分析。通过实验证明,在绝大多数的测试函数和两个天线优化实例中,本文所提算法均具有良好的综合性能。

关键词：高维多目标优化目标降维聚合树算法双档案算法

基于单目标及多目标智能优化算法的供应链网络优化问题研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于单目标及多目标智能优化算法的供应链网络优化问题研究

作者：马照彬江南大学

学位级别：硕士

在经济全球化的背景下,供应链管理已成为企业提高自身竞争力的关键性战略管理工具。在供应链管理领域,经常需要处理大量复杂的供应链网络优化问题。这些问题通常具有规模庞大的网络结构,并且涉及多个相互冲突的优化目标和复杂约束条件,... 详细信息

在经济全球化的背景下,供应链管理已成为企业提高自身竞争力的关键性战略管理工具。在供应链管理领域,经常需要处理大量复杂的供应链网络优化问题。这些问题通常具有规模庞大的网络结构,并且涉及多个相互冲突的优化目标和复杂约束条件,这大大增加了问题的求解难度。智能优化算法因其具有适应性强、鲁棒性好和全局搜索能力优等特点,成为了解决供应链网络优化问题的重要手段之一。本文聚焦于复杂供应链网络优化问题的建模及相应智能优化算法的设计,旨在为供应链管理提供更有效的解决方案。此外,本文还对高维多目标优化领域进行了探索,旨在为未来解决高维多目标供应链网络优化问题提供新的思路与方法。本文的主要研究内容包括:1)设计了一种具有复杂约束的绿色供应链网络(Green Supply Chain Network,GSCN)模型,该模型着重关注供应阶段和制造阶段的污染排放问题,引入了一种全新的绿色约束条件,旨在从源头减少污染。该模型的目标是通过优化物流路径和产品货运量,以最小化企业的总运营成本,并同时满足约束条件的要求。为了高效求解GSCN模型,本文提出了基于阶段性修复的海洋捕食者算法(Marine Predators Algorithm with Stage-based Repairment,MPA-SR)。阶段性修复操作由路径决策算子和货运量分配算子组成。路径决策算子采用随机策略规划合法物流路径,以提高种群多样性。货运量分配算子则基于贪心策略为物流路径分配货运量,以优化求解质量。此外,为了平衡算法的性能与效率,本文提出了一个用于控制修复概率的自适应参数。2)设计了一种约束大规模多目标供应链网络(Constrained Large-scale Multiobjective Supply Chain Network,CLMSCN)模型,旨在同时优化容量约束下的总运营成本和客户满意度。为了有效求解CLMSCN模型,本文提出了基于辅助种群的协同进化算法(Coevolutionary Algorithm based on the Auxiliary Population,CAAP),该算法采用两个种群协同合作的方式来优化问题。其中,第一个种群用于解决原始的复杂问题,第二个种群用于解决没有任何约束条件的简化问题。通过这种方式,可以更好地提高算法的全局搜索能力。为了应对原始复杂问题,本文设计了一种线性修复算子,能够有效提高不可行解的可行性,并加快算法的收敛速度。3)针对高维多目标优化问题,提出了基于聚类熵选择的非支配排序局部搜索算法(NSLS based on the Clustering Entropy Selection,NSLS-CES)。为了增加算法在高维目标空间中的选择压力,本文设计了聚类熵选择方法。聚类熵是本文提出的一种信息熵变体,可以有效评估种群在高维目标空间中的分布情况。聚类熵选择方法基于吉布斯自由能最小原理,并采用基于角距离的个体绝对能量计算公式来描述种群自由能。此外,为了降低选择过程的时间复杂度,本文采用了分量热力学替换策略,该策略能够在减少时间复杂度的同时提高选择的准确性。

关键词：智能优化算法供应链管理约束优化多目标优化高维多目标优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

参考向量引导高维多目标进化优化研究

参考向量引导高维多目标进化优化研究

作者：陈国玉南昌航空大学

学位级别：硕士

多目标优化广泛应用于工程应用和日常生活当中,而随着目标数目的增加,多目标优化问题变得难以求解。当多目标优化问题的目标数目大于3时,这类问题叫做高维多目标优化问题。近年来,进化算法求解高维多目标优化问题获得了越来越高的研究... 详细信息

多目标优化广泛应用于工程应用和日常生活当中,而随着目标数目的增加,多目标优化问题变得难以求解。当多目标优化问题的目标数目大于3时,这类问题叫做高维多目标优化问题。近年来,进化算法求解高维多目标优化问题获得了越来越高的研究热度。针对当前高维多目标优化的诸多难题,本文提出了多种高维多目标进化算法以开发进化算法求解高维多目标优化问题的能力,主要内容包括:（1）提出了一种基于多样性排序的高维多目标进化算法（DREA）。针对当前算法求解高维多目标优化问题时,容易出现管理多样性困难的情况,提出了一种多样性排序方法。该方法能够处理不同形状的帕累托前沿,并能够在不同的测试问题上获得良好的多样性。此外,还提出一种参考向量适应方法用来捕捉帕累托前沿分布范围,以此辅助多样性排序方法管理种群。实验结果表明,DREA能够很好的求解高维多目标优化问题,并且多样性排序方法通过植入到其它算法也证明其有效性。（2）提出了一种基于自适应参考向量的高维多目标进化算法（ARVEA）。针对当前算法在处理高维多目标优化问题时对帕累托前沿形状十分敏感的问题,提出了一种参考向量适应方法。该方法引入超平面概念,利用一组预定义的参考向量和外部档案进行更新参考向量,以适应不同形状的帕累托前沿。利用适应后的参考向量分解种群,并采用标量化函数作为子种群内的选择标准能够平衡种群的收敛性和多样性。通过实验证明,ARVEA能够有效的求解高维多目标优化问题,相较于对比的高维多目标进化算法的性能更加优秀。（3）提出了一种基于R2指标和参考向量的高维多目标进化算法（R2-RVEA）。为了提高高维多目标进化算法求解各种类型优化问题的普适应,通过分析分解方法和评价指标各自的优点,提出了结合分解方法和评价指标的高维多目标进化算法。该算法首先利用帕累托支配关系对种群进行非支配排序,选取非支配解指导优化过程,当非支配解的数目超过种群容量时,算法就会进一步采用分解策略和R2排序策略对种群进行多样性管理。通过与多个当前较优的算法对比,证明了R2-RVEA求解高维多目标优化问题的良好性能。

关键词：高维多目标优化进化算法多样性收敛性分解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂多目标优化问题的演化算法研究

复杂多目标优化问题的演化算法研究

作者：李良昊华中科技大学

学位级别：硕士

多目标优化问题是指同时优化多个目标的优化问题,广泛存在于现实生活和工业应用中,因此快速而有效地求解多目标优化问题在工业自动化和管理决策等领域有着重要的应用价值。随着工业的发展,多目标优化问题的复杂度也迅速增大,现有的各类... 详细信息

多目标优化问题是指同时优化多个目标的优化问题,广泛存在于现实生活和工业应用中,因此快速而有效地求解多目标优化问题在工业自动化和管理决策等领域有着重要的应用价值。随着工业的发展,多目标优化问题的复杂度也迅速增大,现有的各类算法难以满足实际需求,本文针对复杂多目标优化问题进行了研究。作为一种启发式随机搜索方法,演化算法近20多年来广泛应用于多目标优化问题。但是在处理一些复杂度相对较高的多目标优化问题时,现有的多目标演化算法难以达到令人满意的效果。如在处理高维多目标优化问题时,现有算法难以平衡种群多样性和收敛性,无法获得较好地逼近整个帕累托前沿面的解集;在处理大规模多目标优化问题时现有算法难以收敛,同时计算代价高昂以至于难以承受;在处理具有复杂帕累托解集的多目标优化问题时现有算法在迭代中容易产生大量冗余解,最终无法逼近整个帕累托前沿面。因此,针对这三类复杂度较高的多目标优化问题,本文对这些问题的难点进行了分析并提出了相应的基于演化算法的解决方案。主要研究成果和内容如下设计了一种基于子空间划分的演化算法来解决高维多目标优化问题。在分析高维多目标优化问题的难点和现有算法的局限性之后,使用了基于参考向量的子空间划分方式来平衡算法的收敛能力和多样性维持能力,并在其中采用了一种新的基于区域划分的繁殖池选择策略来保持种群的多样性。在测例集问题上的对比实验表明提出的算法相对于当前具有代表性的高维多目标优化算法有着显著优势。提出了一种基于问题重构的框架来加速大规模多目标优化。在综合分析几类大规模单目标和多目标优化方法的基础上,我们在该框架中使用两个方向向量来引导算法的搜索过程并舍弃了对决策变量进行分组。数据实验表明提出的框架能够显著提高各类算法在大规模多目标优化问题上的搜索效率并缩短计算时间。对于具有复杂帕累托解集的多目标优化问题,提出了一种基于流形学习的杂交限制策略来提升多目标演化算法的性能。基于机器学习中流形学习的思想,提出了一种利用目标空间中解集的结构信息的流形距离计算方法,并在此基础上设计了杂交限制策略。在标准测例问题上的实验证明,提出的方法能够显著减少演化算法中冗余子代解的产生,提高算法效率和性能。

关键词：多目标优化演化算法高维多目标优化大规模优化帕累托解集决策空间

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于进化计算的多目标优化算法研究

基于进化计算的多目标优化算法研究

作者：刘宝桂林理工大学

学位级别：硕士

多目标优化问题广泛存在于科学研究和生产应用中,且变得越来越复杂。这些目标之间既相互联系又彼此冲突,很难找到一个解能够满足所有目标同时达到最优值。进化算法作为一种基于种群迭代寻优的智能优化算法,一次运行可以获得一组非支配解... 详细信息

多目标优化问题广泛存在于科学研究和生产应用中,且变得越来越复杂。这些目标之间既相互联系又彼此冲突,很难找到一个解能够满足所有目标同时达到最优值。进化算法作为一种基于种群迭代寻优的智能优化算法,一次运行可以获得一组非支配解,且使用简单,控制参数少,近二十年来被广泛应用于求解多目标优化问题。本文针对多目标进化算法目前存在的收敛速度较慢和多样性欠佳以及难以求解具有不规则真实Pareto前沿问题等不足,提出了三种改进的多目标进化算法。本文的主要研究成果和创新点如下:1.针对进化算法在求解多目标优化问题中存在的收敛速度较慢和多样性欠佳等不足,提出了一种改进的排序变异多目标差分进化算法(MODE-IRM)。该算法在排序变异策略的基础上,将种群中的最优个体作为变异过程中的基向量,采用反向参数控制方法对种群中的个体进行变异操作,并引入改进的拥挤距离计算公式选择下一代的进化种群。利用标准多目标优化问题ZDTlDT4,ZDT6和DTLZ6TLZ7进行仿真实验,MODE-IMR在收敛性和多样性方面优于其他对比算法。2.为进一步提高多目标进化算法的寻优性能,提出了一种模糊自适应排序变异多目标差分进化算法(MODE-FARM)。该算法将一种基于模糊系统的指标反馈策略融入排序变异过程来平衡算法的探索性和开发性,并采用改进的种群初始化方法和基于双种群的选择策略来提高种群进化过程中的多样性。利用ZDT和DTLZ的7个测试函数进行仿真实验,结果表明所提算法比其他算法能够更好地收敛到真实Pareto前沿,并且验证了模糊自适应排序变异策略的有效性。3.目标个数超过3的高维多目标优化问题已经成为当今多目标优化领域中的一个研究热点。针对具有不规则真实Pareto前沿的高维多目标优化问题,提出了一种基于动态资源分配的高维多目标进化算法(MaOEA-DRA)。所提算法采用切比雪夫方法将目标函数分解为一些子目标函数,并采用动态资源分配的方法,根据真实Pareto前沿的不同形状分配计算资源。此外,采用一种转换的密度评估方法对种群进行排序选择。在11个具有不规则真实Pareto前沿测试问题上的仿真实验结果表明,所提算法在收敛性和多样性方面明显优于其他对比算法,并且验证了切比雪夫方法的有效性。

关键词：多目标优化高维多目标优化反向参数控制均匀种群初始化动态资源分配