检索结果-南通市图书馆

基于指标和分解的高维多目标优化进化算法研究

在线全文

学校读者我要写书评

暂无评论

基于指标和分解的高维多目标优化进化算法研究

作者：覃灏南昌航空大学

学位级别：硕士

一般多目标优化问题需要同时优化的目标数通常在2个或3个,当目标数超过3个时,多目标优化问题就会被称为高维多目标优化问题。多目标优化问题的多个目标之间相互冲突,提升其中一个目标的性能往往会使得其他目标的性能下降,无法获得单一... 详细信息

一般多目标优化问题需要同时优化的目标数通常在2个或3个,当目标数超过3个时,多目标优化问题就会被称为高维多目标优化问题。多目标优化问题的多个目标之间相互冲突,提升其中一个目标的性能往往会使得其他目标的性能下降,无法获得单一最优解,只能获得一组折衷解。另外,随着优化问题中目标数目的增加,如何有效平衡收敛性和多样性也是一个难点。针对处理高维多目标优化问题过程中的困难,本文提出了几种改进算法以提高求解高维多目标优化问题的能力,主要研究内容如下:首先,为解决求解不同Pareto前沿形状问题时普适性下降的问题,提出了一种基于欧氏距离与角度的高维多目标进化算法(Ma OEA-EDA)。该算法提出了一种基于欧氏距离与角度的指标(EDA),通过将种群中的非支配解与对应参考点关联,将非支配解划分为贡献解和非贡献解。然后,计算贡献解与对应参考点的欧氏距离以增强种群的收敛性,非贡献解与对应参考点的欧氏距离,以及该非贡献解与对应参考点最近贡献解的角度以增强种群的多样性。最后,组合上述计算结果构建每个非支配解的适应度值,根据适应度值选择合适的解。通过大量实验证明Ma OEA-EDA有效提高了算法在不同Pareto类型优化问题上普适性。然后,为有效增强收敛性和多样性之间的平衡,提出了基于种群关联策略和强化解集准则的高维多目标进化算法(Ma OEA/PAS-ESC),该算法提出了种群关联策略(PAS)和强化解集准则(ESC)协同指导种群进化。通过参考向量与种群中解的对应关系,以达到增强解的多样性的目的。然后利用种群中解与参考向量的联系组成适应度函数,以增强解的收敛性。最终组合分解方法和指标方法选择的解进入下一代。实验结果证明Ma OEA/PAS-ESC在平衡收敛性和多样性方面效果显著。最后,为解决在处理不规则Pareto前沿的优化问题时无法有效平衡种群的收敛性和多样性的问题,提出了一种基于自适应参考向量和参考点的高维多目标进化算法(ARVRP),利用种群的稀疏性自适应调整参考向量和参考点,以此提高算法的多样性,达到在不规则优化问题中平衡收敛性和多样性的目的。该方法首先生成均匀分布的部分参考向量子集和参考点子集,使用该参考向量子集划分种群。然后根据规模最大子种群中解的分布情况生成新参考向量和新参考点。实验结果证明ARVRP算法在处理不规则优化问题时能有效平衡种群的收敛性和多样性。

关键词：高维多目标优化进化算法指标分解自适应参考向量和参考点

基于高维多目标优化的恶意代码检测模型与算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高维多目标优化的恶意代码检测模型与算法研究

作者：张斌全太原科技大学

学位级别：硕士

互联网和大数据的持续快速发展,使得恶意代码数量呈爆炸式增长。近年来,大量研究人员从不同角度对恶意代码检测技术展开大量研究,包括:静态检测、动态检测等技术。但仍存在一些问题。现有的恶意代码检测数据集大多为不平衡数据集,阻碍... 详细信息

互联网和大数据的持续快速发展,使得恶意代码数量呈爆炸式增长。近年来,大量研究人员从不同角度对恶意代码检测技术展开大量研究,包括:静态检测、动态检测等技术。但仍存在一些问题。现有的恶意代码检测数据集大多为不平衡数据集,阻碍了恶意代码检测性能的提升。为此,本文主要从数据不平衡角度、神经网络结构角度,并借助迁移学习和高维多目标优化技术,构建高效的恶意代码检测模型。本文的主要工作如下:(1)针对恶意代码数据集的不平衡问题,本文提出了一种高维多目标混合采样模型。首先,通过对不平衡数据集同时进行欠采样和过采样,减少单一采样方法带来的样本丢失和噪声样本等问题。其次,以几何平均值、误报率、曲线下面积以及模型损失来全面评估分类模型。最后,采用高维多目标优化算法对欠采样和过采样的样本数量进行合理优化,缓解数据不平衡度对恶意代码检测的影响。(2)为了进一步提高恶意代码检测性能,将预训练好的神经网络模型迁移到恶意代码检测任务。考虑到神经网络结构对恶意代码检测的影响,以模型精度和模型大小为主要目标构建高维多目标迁移模型。同时,预训练的神经网络参数可以根据当前检测任务有选择的被微调,缓解了参数微调不合理的问题。此外,根据候选解特点提出了一种分区域交叉变异算子。该算子主要通过交叉变异位的所属位置不同进行不同方式的交叉变异,以提高搜索效率。最后,通过高维多目标优化算法选出适合恶意代码检测任务的网络结构。(3)针对求解高维多目标迁移模型时存在的收敛性和多样性冲突问题,提出基于动态平衡函数选择策略的高维多目标优化算法。本文在匹配选择和环境选择的过程中,引入动态平衡因子,以根据不同的进化过程来综合调节种群的收敛性和多样性。实验结果表明,所提算法在标准测试集和求解高维多目标迁移模型时都取得了良好的表现。

关键词：恶意代码检测高维多目标优化混合采样迁移学习

基于目标迁移和条件替代的高维多目标进化算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

控制与决策 2024年第8期 2530-2540页

作者：田瑾然刘建昌张伟刘圆超谭树彬东北大学信息科学与工程学院

尽管许多高维多目标进化算法已被提出,但大多仍无法有效处理具有不规则Pareto前沿的高维多目标优化问题.鉴于此,提出基于目标迁移和条件替代的高维多目标进化算法(MaOEA-OTCR),在环境选择过程中利用目标迁移策略和条件替代准则协作逐一... 详细信息

尽管许多高维多目标进化算法已被提出,但大多仍无法有效处理具有不规则Pareto前沿的高维多目标优化问题.鉴于此,提出基于目标迁移和条件替代的高维多目标进化算法(MaOEA-OTCR),在环境选择过程中利用目标迁移策略和条件替代准则协作逐一选择收敛性和多样性好的个体进入下一代.前者首先选择位于Pareto前沿边界的极值解进入下一代,以确定Pareto前沿的范围,同时选择收敛性最好的若干个体进入下一代,以加速种群收敛;然后迁移已选解集且利用迁移解集和未迁移解集的最大距离来选择收敛性和多样性好的个体进入下一代.后者利用基于角度和收敛性评估的条件取代准则来防止前者过度强调多样性.此外,提出一个多标准决策的匹配选择策略,旨在增加具有良好收敛性和多样性种群个体结合的概率,进一步提升算法的搜索效率.为了验证MaOEA-OTCR的有效性,在3个测试集上与8个先进的高维多目标进化算法进行对比实验.实验结果表明,MaOEA-OTCR在处理高维多目标优化问题时不仅能够获得较强的竞争性能,而且有能力处理具有不规则Pareto前沿的高维多目标优化问题.

关键词：高维多目标优化进化算法目标迁移条件取代

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

决策空间定向搜索的高维多目标优化策略

软件学报 2019年第9期30卷 2686-2704页

作者：郑金华董南江阮干邹娟杨圣祥智能计算与信息处理教育部重点实验室(湘潭大学) 湖南湘潭411105 智能信息处理与应用湖南省重点实验室(衡阳师范学院) 湖南衡阳421002 School of Computer Science and Informatics De Montfort University Leicester LE19BH UK

传统的多目标进化算法(MOEA)对于低维连续的多目标优化问题已经具有良好的性能,但是随着优化问题目标维数的增加,优化难度也将剧增,主要原因是算法本身搜索能力不足,维数增加时选择压力变小,收敛性和分布性冲突难以平衡.利用连续多目标... 详细信息

传统的多目标进化算法(MOEA)对于低维连续的多目标优化问题已经具有良好的性能,但是随着优化问题目标维数的增加,优化难度也将剧增,主要原因是算法本身搜索能力不足,维数增加时选择压力变小,收敛性和分布性冲突难以平衡.利用连续多目标优化问题的特性,针对高维多目标优化的难点所在,提出了一种在决策空间的定向搜索策略(decision space,简称 DS),该策略可与基于支配关系的 MOEA 相结合.DS 首先对优化问题进行采样分析,对问题特性进行解析,得到收敛性子空间控制向量和分布性子空间控制向量.将算法搜索过程分为收敛性搜索阶段和分布性搜索阶段,分别对应收敛性子空间和分布性子空间,在不同阶段搜索时,利用采样分析结果,对生成子代个体的区域进行宏观的影响.将收敛性和分布性分阶段考虑,避免了收敛性和分布性难以平衡的难点,同时,具体在某一阶段内搜索资源相对集中,一定程度上增加了算法的搜索能力.实验结合了 DS 策略的 NSGA-II,SPEA2 算法与原NSGA-II,SPEA2 算法进行实验对比,并以 DS-NSGA-II 为例,与其他高维算法 MOEAD-PBI,NSGA-III,Hype,MSOPS,LMEA进行对比实验.实验结果表明,DS策略的引入,使得 NSGA-II,SPEA2算法在高维多目标优化问题上的性能有了显著提高,DS-NSGAII 与现有的经典高维多目标算法相比有较强的竞争力.

关键词：高维多目标优化决策空间定向搜索收敛性子空间分布性子空间

在线全文

学校读者我要写书评

暂无评论

基于全局排序的高维多目标优化研究

软件学报 2015年第7期26卷 1574-1583页

作者：肖婧毕晓君王科俊哈尔滨工程大学自动化学院黑龙江哈尔滨150001 大连民族大学信息与通信工程学院辽宁大连116600 哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

目标数超过4的高维多目标优化是目前进化多目标优化领域求解难度最大的问题之一,现有的多目标进化算法求解该类问题时,存在收敛性和解集分布性上的缺陷,难以满足实际工程优化需求.提出一种基于全局排序的高维多目标进化算法GR-MODE,首先... 详细信息

目标数超过4的高维多目标优化是目前进化多目标优化领域求解难度最大的问题之一,现有的多目标进化算法求解该类问题时,存在收敛性和解集分布性上的缺陷,难以满足实际工程优化需求.提出一种基于全局排序的高维多目标进化算法GR-MODE,首先,采用一种新的全局排序策略增强选择压力,无需用户偏好及目标主次信息,且避免宽松Pareto支配在排序结果合理性与可信性上的损失;其次,采用Harmonic平均拥挤距离对个体进行全局密度估计,提高现有局部密度估计方法的精确性;最后,针对高维多目标复杂空间搜索需求,设计新的精英选择策略及适应度值评价函数.将该算法与国内外现有的5种高性能多目标进化算法在标准测试函数集DTLZ{1,2,4,5}上进行对比实验,结果表明,该算法具有明显的性能优势,大幅提升了4~30维高维多目标优化的收敛性和分布性.

关键词：高维多目标优化宽松Pareto支配全局排序

基于动态分解和角度惩罚距离的高维多目标进化算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年

作者：王旭健张峰干姚敏立火箭军工程大学

多个领域的优化问题可归纳为高维多目标优化问题，高维多目标进化算法是解决此类问题的有效方法，然而该方法普遍存在收敛性和多样性较难平衡的问题.针对此问题，本文提出一种基于动态分解和角度惩罚距离的高维多目标进化算法.该算法基... 详细信息

多个领域的优化问题可归纳为高维多目标优化问题，高维多目标进化算法是解决此类问题的有效方法，然而该方法普遍存在收敛性和多样性较难平衡的问题.针对此问题，本文提出一种基于动态分解和角度惩罚距离的高维多目标进化算法.该算法基于动态分解将种群分成多个类，此过程无需预先设定参考向量，可根据种群自身分布信息进行分解.之后，算法基于改进的角度惩罚距离从每类中选择个体，从而平衡收敛性与多样性.此外，设计基于Pareto支配、拐点、m近邻角度三原则的锦标赛匹配选择机制.本文算法与9种高维多目标进化算法在27例高维多目标优化测试题上进行对比实验.实验结果表明，本文算法能有效解决不同类型的高维多目标优化问题，并且在不同目标个数上具有较好的稳定性.

关键词：多目标优化高维多目标优化动态分解角度惩罚距离

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

进化高维多目标优化研究进展

控制理论与应用 2018年第7期35卷 928-938页

作者：孙靖巩敦卫淮海工学院理学院江苏连云港222005 中国矿业大学信息与控制工程学院江苏徐州221116

高维多目标优化问题是目标个数多于3的多目标优化问题.尽管进化优化方法在多目标优化问题求解中显示了卓越的性能,但是,对于高维多目标优化问题,已有方法存在目标维数难以扩展、Pareto占优关系无法区分进化个体,以及多样性维护策略失效... 详细信息

高维多目标优化问题是目标个数多于3的多目标优化问题.尽管进化优化方法在多目标优化问题求解中显示了卓越的性能,但是,对于高维多目标优化问题,已有方法存在目标维数难以扩展、Pareto占优关系无法区分进化个体,以及多样性维护策略失效等困难.因此,高维多目标优化问题的高效求解引起进化优化界的高度关注.本文将分别从新型占优关系、多样性维护策略、目标缩减、目标聚合、基于性能指标的选择、融入偏好、集合进化、变化算子、可视化技术,以及应用等10个方面分类总结近年来进化高维多目标优化的研究成果,通过分析已有研究存在的问题,指出今后可能的研究方向.

关键词：高维多目标优化进化优化 Pareto占优目标缩减偏好集合进化变化算子

在线全文

学校读者我要写书评

暂无评论

融合张角拥挤控制策略的高维多目标优化

自动化学报 2015年第6期41卷 1145-1158页

作者：陈振兴严宣辉吴坤安白猛福建师范大学数学与计算机科学学院福州350007

对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增,严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性,本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congest... 详细信息

对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增,严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性,本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congestion control strategy based on open angle,CCSOA),它的时间复杂度并不会随着目标维数的增加而增大.与目前优秀的进化多目标优化(Evolutionary multiobjective optimization,EMO)算法IBEA(Indicator-based evolutionary algorithm)、NSGAIII(Nondominated sorting genetic algorithm III)和Gr EA(Grid-based evolutionary algorithm)的比较结果表明,融合了CCSOA的高维多目标优化算法在收敛效果和解集分布的均匀性两个方面均有较大的优势.

关键词：高维多目标优化进化算法拥挤控制张角

在线全文

学校读者我要写书评

暂无评论

知识驱动的高维多目标优化算法研究

华中科技大学学报（自然科学版） 2020年第6期48卷 19-25页

作者：胡成玉余果代立国颜雪松中国地质大学(武汉)计算机学院湖北武汉430074

针对传统的非支配排序在处理高维多目标优化问题过程中,因非支配解数量的指数增长而导致算法没有足够的选择压力的情况,提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ),以提升算法的收敛速度.该算法采用Pareto支配关系来衡量种群的优... 详细信息

针对传统的非支配排序在处理高维多目标优化问题过程中,因非支配解数量的指数增长而导致算法没有足够的选择压力的情况,提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ),以提升算法的收敛速度.该算法采用Pareto支配关系来衡量种群的优劣,通过知识引导筛选优势种群,结合参考点选择机制增强种群的多样性和广泛性,同时采用模拟二进制交叉策略和改进的自适应变异策略增强算法的搜索能力.通过对标准测试函数的实验,结果表明:相较于一些经典的多目标优化算法,KD-NSGA-Ⅲ在高维多目标优化问题方面性能改善效果优异,尤其在收敛速度上有显著的提升.

关键词：知识驱动高维多目标优化自适应变异非支配排序收敛速度