检索结果-南通市图书馆

作者：白慧太原科技大学

学位级别：硕士

随着无人机技术日益发达,无人机可行性高、无人员伤亡、侦察性高以及灵活性强等特点,在各行各业都发挥了重要作用。无人机作为一种现代航空武器装备,因其能完成复杂环境中的任务受到了越来越多的关注。而无人机在执行任务过程中,单个无... 详细信息

随着无人机技术日益发达,无人机可行性高、无人员伤亡、侦察性高以及灵活性强等特点,在各行各业都发挥了重要作用。无人机作为一种现代航空武器装备,因其能完成复杂环境中的任务受到了越来越多的关注。而无人机在执行任务过程中,单个无人机的工作能力和它的工作范围会受到一定限制,无法满足许多复杂任务的需求,多无人机协同合作应运而生。多无人机航迹规划对于多无人机协同执行任务至关重要,可以提高任务完成的效率。本文构建了高维多目标优化的多无人机航迹规划模型,使用改进的NSGA-Ⅲ算法进行航迹求解,具体内容如下:(1)针对多无人机之间的协同性问题,综合考虑多无人机航迹距离代价、多无人机航迹时间代价、多无人机航迹协同距离代价以及多无人机航迹威胁代价,提出了高维多目标优化的多无人机协同航迹模型,并针对无人机自身性能以及多无人机协同性等约束条件进行分析,构建无人机三维复杂任务环境,使用改进的NSGA-Ⅲ算法进行多无人机航迹求解。改进的NSGA-Ⅲ使用分段交叉策略代替原来的交叉策略,并设置动态的交叉概率,提高了算法的收敛性。仿真实验验证了该方法的有效性。(2)针对无人机航迹规划的不平滑问题,提出了高维多目标优化的多无人机平滑航迹模型,综合考虑了多无人机航迹距离代价、多无人机航迹时间代价、多无人机航迹协同距离代价、多无人机航迹威胁代价以及多无人机航迹平滑代价五个目标,采用改进的NSGA-Ⅲ算法进行多无人机航迹求解,并在改进的算法中增加了扰动算子和删除算子,然后针对初步规划的航迹使用B样条曲线进行平滑处理。仿真实验验证了该方法的有效性。(3)本文设计了基于Matlab的多无人机航迹规划系统,将本文的模型和算法作为后端支撑技术,使用GUI界面作为前端对多无人机航迹规划的结果进行展示。本系统设计了用户注册登录功能、航迹参数设置功能以及航迹规划结果展示功能,通过系统运行测试,以上功能均可实现。

关键词：航迹规划航迹平滑高维多目标优化 NSGA-Ⅲ

人工蜂群算法及其在高维多目标梯级水库群调度中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人工蜂群算法及其在高维多目标梯级水库群调度中的应用

作者：叶廷宇南昌工程学院

学位级别：硕士

人工蜂群算法(Artificial Bee Colony Algorithm,ABC)是一种流行的群智能算法,与其他的群体智能优化算法类似,ABC在解决许多优化问题时都表现出较好的性能。但是该算法也存在一些不足:原始的ABC解决基本的多模态问题非常有效,但是它搜... 详细信息

人工蜂群算法(Artificial Bee Colony Algorithm,ABC)是一种流行的群智能算法,与其他的群体智能优化算法类似,ABC在解决许多优化问题时都表现出较好的性能。但是该算法也存在一些不足:原始的ABC解决基本的多模态问题非常有效,但是它搜索范围较广,在复杂的问题上容易陷入局部最优;此外,ABC很少被用于解决高维多目标优化问题,而且其中的一些操作在多目标优化问题中不适用。为了解决上述问题并扩展ABC的性能,本文提出了三种改进的人工蜂群算法来解决单目标优化问题和高维多目标优化问题,主要工作如下:(1)提出基于随机邻域结构的人工蜂群算法(RNSABC)。首先,构造了一个新的随机邻域结构。与现有的邻域结构不同的是,在RNS中,每个解都具有一个独立且随机的邻域大小。其次,基于随机邻域结构设计了一种改进的搜索策略。最后,采用深度优先搜索的方法来增强跟随蜂阶段的开发能力。为了验证RNSABC的性能,将RNSABC与另外9种改进的ABC算法在经典基准测试问题、CEC 2013复杂问题和多项式问题进行比较,实验结果表明RNSABC可以获得有竞争力的性能。(2)提出基于支配的高维多目标人工蜂群算法(DMa OABC)。首先,引入二级支配概念,并基于二级支配概念重新定义适应度函数,以增强解的选择压力。然后,基于二级支配修改概率选择的计算方式,并构造了一种改进的搜索策略来平衡种群的勘探能力和开发能力。此外,设计了一种新的交配选择来取代原始ABC中的贪婪选择,同时引入了参考点策略来提高种群的多样性。为了验证DMa OABC的性能,我们测试了一组包含3、8和10个目标的WFG基准测试问题集,并与其他几种多目标算法的性能进行了比较。实验结果表明,DMa OABC在收敛性和多样性上均优于被比较的算法。(3)提出基于双档案的高维多目标人工蜂群算法(Ma OABC-TA)。首先,在ABC中引入双档案(Two＿Arch2)的思想。使用收敛性档案(CA)和多样性档案(DA)的搜索信息,设计了三种不同的搜索策略,以增强不同搜索阶段的收敛性或多样性。其次,设计了一种基于lp-范式距离(p目标的DTLZ和Ma F基准问题集上与几种主流的多目标算法进行了比较。实验结果表明,Ma OABC-TA有更好的收敛性和多样性。(4)解决高维多目标梯级水库群调度优化问题。随着梯级水库群规模的扩大、梯级拓扑结构的日趋复杂化以及调度目标的多元化,水库间还存在复杂的电力、水力联系,不同调度需求、调度目标之间存在的相互制约与竞争关系日益凸显,传统优化调度方法已难以适应梯级水库群的综合效益工程需求。以江西泸水河流域作为例,采用本文第五章的改进的高维多目标人工蜂群算法,求解与泸水河流域部分水电站对应调度模型。实验结果证明,我们构造的改进的高维多目标人工蜂群算法能够有效的求解江西泸水河流域调度模型。

关键词：人工蜂群算法单目标优化高维多目标优化梯级水库群调度优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于灰色关联分析的多目标智能优化算法

基于灰色关联分析的多目标智能优化算法

作者：张美娜长春师范大学

学位级别：硕士

智能优化算法是一种模拟自然现象的优化方法,在科学技术和生产生活中有着广泛的应用。近年来,智能优化算法发展迅速,特别是在多目标、高维度方面的探索已经成为一个研究热点。由于随着目标数量的增加,高维多目标优化问题（Ma OPs）的收... 详细信息

智能优化算法是一种模拟自然现象的优化方法,在科学技术和生产生活中有着广泛的应用。近年来,智能优化算法发展迅速,特别是在多目标、高维度方面的探索已经成为一个研究热点。由于随着目标数量的增加,高维多目标优化问题（Ma OPs）的收敛性和多样性在庞大的目标空间中会产生相互冲突的现象,使得问题的求解变得越来越困难。一些原来用于二维或三维的目标优化方法变得不再适用。如有限数量的解在庞大的目标空间中分布通常是非常稀疏的,常用的密度评估方法无法在高维目标优化中有效的评估出解的拥挤程度。一些改进的算法考虑了分布均匀性,却无法平衡收敛性和多样性。针对这一问题,本文将全局排序方法和灰色关联分析方法引入高维多目标问题,提出了改进算法,具体内容如下:（1）针对解空间不均匀问题,设计了一种新的精英选择策略,将灰色关联分析方法应用于全局排序结果,提出了一种新颖的全局排序高维多目标算法（NGR-MOEA）。算法将灰色关联度作为密度评估,代替全局排序高维多目标算法中的调和平均距离（Harmonic mean distance）,筛选出每次迭代的优解,从而解决算法分布不均匀问题,提高了算法的综合性能。（2）针对算法中收敛性与多样性不平衡问题,将灰色关联分析与第二代快速非支配排序的遗传算法（NSGA-II）相结合,提出了基于灰色关联分析的NSGA-II算法（NSGA-II/GRA）。算法通过非支配排序将种群中的个体按级别分层,扩大了搜索解空间的范围。在子代种群产生时,按顺序选入优先级高的个体,并采用灰色关联度代替NSGA-II算法中的拥挤距离（Crowding distance）来统计优秀个体,使优秀个体有更大概率得以保留,从而保证了种群个体的多样性与算法收敛性的平衡。实验结果表明,所提算法在解决高维多目标优化问题上较对比算法都具有良好的优势和求解性能。

关键词：高维多目标优化灰色关联分析拥挤距离调和平均距离

具有物流运输条件的分布式制造系统高维多目标调度问题研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

具有物流运输条件的分布式制造系统高维多目标调度问题研究

作者：高铎长安大学

学位级别：硕士

随着人类生活水平的提高,对精细化产品的需求也随之增多,为了适应激烈的竞争环境,制造车间产品的制造工艺也逐渐复杂化,使得传统以单一生产车间为主的生产模式受到了冲击,制造车间需要向更加协同化的方向发展。分布式制造可以将优/劣势... 详细信息

随着人类生活水平的提高,对精细化产品的需求也随之增多,为了适应激烈的竞争环境,制造车间产品的制造工艺也逐渐复杂化,使得传统以单一生产车间为主的生产模式受到了冲击,制造车间需要向更加协同化的方向发展。分布式制造可以将优/劣势不同的企业联合起来,根据制造任务,采用合理的分工的方式共同完成产品的制造,提高制造车间的生产效率,更适合当前制造业的市场需求。而合理的物流运输调度方案是分布式制造的一个重要方面,调度优化的本质是给出最优的加工路线,去优化厂商所需要的产能指标。但随着市场交易的规模逐渐扩大,单一产能目标的寻优已经满足不了人们的需要,随之而来的高维多目标调度优化问题也越来越受到关注。目前,传统调度算法中的交叉变异算子往往使用固定的比率,不能根据客户需求及时的去进行生产调整,最终会影响算法的性能,而Q-Learning的自适应选择机制可以根据不同的生产需求选择最合适的交叉变异算子,从而提高生产效率。因此,在分布式制造的背景下,本文将基于QLearning的自适应选择机制与NSGA-III算法相结合去解决分布式制造系统下的高维多目标物流调度优化问题,该算法在交叉和变异部分分别提供了五种不同的计算因子,由Q-Learning机制进行选择。并对最大完工时间、加工总能耗、交货期提前量、延迟量、生产总成本等多个目标同时进行优化。最后,通过其与其他几种高效的优化方法进行了对比,验证了所提算法的有效性。本文主要从以下几个方面研究:(1)首先对高维多目标寻优和分布式制造的现状进行介绍与描述。提出一种基于Q-Learning自适应机制的NSGA-III优化算法,将优化算法应用在高维多目标函数寻优问题上,并进行实验仿真验证该算法的有效性。(2)其次,对分布式制造系统进行介绍与描述,包括该模式下的物流调度问题的概述、分类以及工作状态等,为后续研究高维多目标物流调度问题做铺垫。(3)最后,研究具有物流运输条件的分布式制造系统的高维多目标调度问题,同时优化最大完工时间、加工总能耗、交货期提前量、延迟量和生产总成本等五个目标函数。并将本文提出的Q-NSGA-III算法与其他三种有效的优化算法结合物流调度问题进行实验对比,通过测试不同类型的案例验证算法的有效性。

关键词：分布式制造 NSGA-Ⅲ 高维多目标优化 Q-Learning 物流调度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

单相交流接触器多目标优化方法研究

单相交流接触器多目标优化方法研究

作者：刘洋哈尔滨工业大学

学位级别：硕士

近年来随着新能源系统的快速发展以及用电功率的大幅提升,使用者对接触器的性能及可靠性提出了新的要求,接触器的优化设计成为了当前的研究热点。传统的接触器优化多使用正交试验和均匀实验等方法,但其只能取到现有实验水平下的最佳参数... 详细信息

近年来随着新能源系统的快速发展以及用电功率的大幅提升,使用者对接触器的性能及可靠性提出了新的要求,接触器的优化设计成为了当前的研究热点。传统的接触器优化多使用正交试验和均匀实验等方法,但其只能取到现有实验水平下的最佳参数,不能将所有的不确定因素包含在优化目标中,因此有必要引入具有全局搜索能力的智能优化算法。接触器的优化目标众多,主要包括静动态特性、质量、弹跳等,是一种典型的多目标优化问题。本文选择结构较为复杂的单相交流接触器进行优化,提出了针对复杂电磁机构接触器的多目标优化方法。有限元法是目前分析接触器电磁场最有效的方法,同时也可为近似模型的建立提供数据支撑。本文对接触器的静动态特性进行仿真分析,提取足够的数据点。由于在对接触器电磁机构动态特性计算时,涡流会对计算结果产生较大的影响,因此本文利用FLUX软件建立接触器考虑涡流情况下动态特性有限元模型。在对接触器进行优化的过程中,由于有限元法计算时间成本高,无法满足多目标优化设计过程中求解动态特性的需要。为了提高接触器动态特性计算效率,本文采用径向基函数神经网络对接触器建立近似模型。为了进一步提升接触器近似建模的精度,本文提出使用粒子群优化径向基函数神经网络的快速算法。本文确定接触器的吸合时间、吸合速度、保持力和动铁芯质量为本文需要优化的四个目标,利用正交试验确定对优化目标的关键影响因素。利用改进后的动态特性快速算法,本文对单相交流接触器建立近似模型,以用于接触器的多目标优化设计。最后,针对优化目标维度较高时收敛性和多样性差的问题,本文提出了高维多目标优化算法NSGA-Ⅲ。为了解决NSGA-Ⅲ算法收敛速度慢的问题,本文利用差分进化算法对NSGA-Ⅲ进行改进,在提高计算效率的同时,进一步提升了Pareto前沿的收敛性和多样性。同时本文给出了模糊隶属度的方法进行最优折衷的选取。利用本文提出的近似建模方法和高维多目标算法对单相交流接触器的优化目标进行寻优,证明了本文提出的多目标优化方法在具有复杂电磁机构的接触器上的实用性。

关键词：单相交流接触器径向基函数神经网络 NSGA-Ⅲ 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

炼油厂双管道原油短期调度的多目标优化

炼油厂双管道原油短期调度的多目标优化

作者：张亿仙广东工业大学

学位级别：硕士

随着全球生态环境污染日益严重,降低炼油厂运行和能耗成本,优化生产调度方案,对于提高企业经济效益和社会效益来说,具有至关重要的意义。基于控制理论中的分层思想,双管道原油短期调度问题被分为上下两层。上层炼油计划问题已经通过线... 详细信息

随着全球生态环境污染日益严重,降低炼油厂运行和能耗成本,优化生产调度方案,对于提高企业经济效益和社会效益来说,具有至关重要的意义。基于控制理论中的分层思想,双管道原油短期调度问题被分为上下两层。上层炼油计划问题已经通过线性规划方法得到了较好的解决,然而,由于下层详细调度问题中存在着复杂的资源和操作约束,很难保证调度计划的可行性。为此,本文在给定上层炼油计划的前提下,开展了下层详细调度优化问题的研究,具体内容如下:从一个单管道原油短期调度问题着手,研究在管道转运速率可变的情况下,能耗等多个目标的优化问题。为了利用启发式算法和智能搜索算法优化求解该问题,本文首先将其转换为一个供油罐指派问题,并提出了一种回溯搜索算法,以保证生成调度方案的可行性。接着,为了优化求解该问题,设计了一种基于实数编码的三元染色体结构,并对传统的NSGA-III算法的交叉和变异算子进行改进。最后,通过一个工业实例,对比了多种高维多目标优化算法,验证了改进的NSGA-III算法的有效性。研究双管道原油短期调度问题,分析其中存在的一些关键性问题,例如,如何计算一次转运过程中的原油体积,以及如何保证转运期间高熔点管道始终能够得到空的供油罐。接着,提出了“高熔点原油管道优先”和“随机公平竞争”这两种不同的启发式策略,用于指导解的生成,保证高熔点原油转运一旦开始就不能中途停止这一操作约束。另外,本文还考虑了供油罐的周期性维护约束。实际的炼油生产中,为了最大化原油的生产效率,调度周期内不能出现蒸馏塔没有原油可以冶炼的情况。为此,本文将该问题建模为一个约束多目标优化问题,利用这类算法的搜索优势,保证算法最终能够找到可行的调度方案。接着,本文还提出了一种变长染色体编码结构,以及通过一位实数编码确定一个供油罐和蒸馏塔选择方案的解码策略,极大地减小了染色体编码的长度,提高了算法的求解效率。针对传统的NSGA-II-CDP算法在求解高维多目标优化问题时存在选择压力不足的问题,本文提出了一种自适应增强压力算法NSGA-II-APE。最后,结合一个工业实例,分析对比了所提出的两种启发式策略的性能,并通过与另外11种较为优秀的约束多目标优化算法进行对比,验证了该算法的有效性。

关键词：高熔点原油短期调度高维多目标优化约束多目标优化启发式策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分解方法驱动的高维多目标进化优化算法研究

分解方法驱动的高维多目标进化优化算法研究

作者：孙文静南昌航空大学

学位级别：硕士

现实生活中通常需要同时优化2个或3个目标的多目标优化问题。当优化目标超过4个时,多目标优化问题升级为高维多目标优化问题,这类问题在科学工程和工业设计等众多领域的应用需求日益突出,例如:云计算、供水系统设计以及软件模块集群问... 详细信息

现实生活中通常需要同时优化2个或3个目标的多目标优化问题。当优化目标超过4个时,多目标优化问题升级为高维多目标优化问题,这类问题在科学工程和工业设计等众多领域的应用需求日益突出,例如:云计算、供水系统设计以及软件模块集群问题等。然而,由于优化目标个数不断增加会导致评估解的优劣关系变得困难以及扩大解集在高维目标空间中的复杂度,因此,高维多目标优化问题俨然成为目前进化领域公认的热点和难点。针对当前高维多目标优化的诸多难点问题,本文提出了多种高维多目标进化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,为了解决不同目标数目的优化问题时普适性较差问题,提出了基于自适应支配准则的高维多目标进化算法(ADCEA)。该算法首先提出一种自适应支配准则(ADC),该支配准则根据目标空间中相邻解的角度信息和目标数,设计一种自适应小生境方法,并结合候选解的收敛性指标信息,完成对候选解的ADC非支配排序。然后,采用参考向量动态分解种群方法以进一步增强种群的多样性,最后,结合上述两者构建合理的适应度函数,根据适应度值大小选取收敛性和多样性较好的非支配解集。通过大量实验证明了ADCEA有效提高了算法求解不同目标的测试问题时的普适性。然后,为了解决目标数的可扩展性不足问题,提出了基于增强多样性指标和参考向量的高维多目标进化算法(SDIEA),该算法首先提出一种增强多样性指标(SDI),该指标结合成就标量函数(ASF)、候选解与参考向量的角度信息、目标数和进化代数等关键因子而设计,通过权重值的设置来强调进化过程中收敛压力和多样性管理压力的偏重,以达到有效平衡非支配解集收敛性和多样性的目的。然后利用参考向量指导种群分割方法以进一步增强多样性。最终合并前两者选择的精英解集以进入下一代。实验结果表明,SDIEA与最新的算法相比,不仅具有竞争性,还能有效扩展目标数至20维。最后,为了解决针对不同类型的Pareto前沿时普适性不足问题,提出了基于指标和向量角分解的高维多目标优化进化算法(IVADEA),该算法首先基于I指标的收敛性和边缘性研究选择收敛性良好的边界解;然后在此基础上,根据当代种群的目标向量动态分解目标空间方法来衡量种群分布,并采用最大-最小向量角分解策略来选择多样性良好的个体。最后提出簇内精英替换机制(CER)来强化收敛性和多样性的平衡。通过大量实验对比分析,证明了IVADEA不仅提高了针对不同类型Pareto前沿的普适性,还提升了平衡收敛性和多样性的能力。

关键词：高维多目标优化进化算法分解平衡收敛性和多样性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高维多目标集合进化优化算法

高维多目标集合进化优化算法

作者：王更星中国矿业大学

学位级别：硕士

多目标优化问题（multi-objective optimization problems, MOPs）在实际生活中普遍存在，且非常重要。当MOPs的目标个数多于3个时，其求解难度大大增加，这类问题称为高维多目标优化问题（many-objective optimization problems,MaOPs... 详细信息

多目标优化问题（multi-objective optimization problems, MOPs）在实际生活中普遍存在，且非常重要。当MOPs的目标个数多于3个时，其求解难度大大增加，这类问题称为高维多目标优化问题（many-objective optimization problems,MaOPs）。目前，MaOPs的进化优化求解策略是研究的热点之一，其中，利用解集性能指标的集合进化优化算法，是解决MaOPs的有效方法之一。此外，从决策者的角度出发，目的是获得部分感兴趣的前沿。鉴于此，本文研究融入决策者偏好的高维多目标集合进化优化算法，给出了优化问题的建模、集合进化策略的设计，以及算法的比较分析。首先，针对高维多目标优化问题，提出一种有效解决该问题的融入决策者偏好的集合进化优化方法。该方法基于决策者给出的每个目标的偏好区域，将原优化问题的目标函数转化为期望函数;以原优化问题的多个解形成的集合为新的决策变量，以超体积和决策者期望满足度为新的目标函数，将原优化问题转化为2目标优化问题;在NSGA-II范式下，采用多目标集合进化优化方法求解，得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集。通过求解4个基准高维多目标优化问题，并与其他2种典型优化方法比较，实验结果验证了所提方法的优越性。然后，针对上面建立的转化后2目标优化问题，提出一种求解该问题的集合进化遗传算法。该算法利用集合内原优化问题的最优解，设计集合个体内部的单纯形交叉策略;基于集合个体的熵，设计集合个体之间的交叉策略;此外，还设计集合个体自适应高斯变异策略，以得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集。通过求解5个基准高维多目标优化问题，并与其他4种方法比较，实验结果验证了所提方法的优越性。同样的，基于上述研究成果的启发，提出另一种求解该问题的集合进化遗传算法。依据集合个体内部待交叉父代个体的超体积贡献度和决策者偏好的满足程度，设计集合个体内部自适应交叉策略;此外，还设计集合个体基于PSO的变异策略，由全局最优点和局部最优点引导种群进化。通过求解5个基准高维多目标优化问题，并与其他3种方法比较，实验结果验证了所提方法的优越性。最后，依然针对高维多目标优化问题，提出一种基于性能指标的高维多目标集合进化微粒群优化算法。该方法以原优化问题的多个解形成的集合为新的决策变量，以超体积和分布度为新的需要优化的目标函数，将原优化问题转化为2目标优化问题;将集合视为微粒，基于微粒群优化，给出面向集合进化的微粒更新方法;结合所采用的性能指标，给出一种面向集合的最优微粒选择方法;进一步，将集合内部元素视为微粒，利用各集合当前解集最优参考点的信息，更新微粒位置，以引导集合内部的微粒尽快收敛到Pareto最优解。通过求解5个基准高维多目标优化问题，并与其他2种方法比较，实验结果验证了所提方法的优越性。所提的3类集合进化优化算法，为高维多目标优化问题的解决提供了行之有效的途径，也丰富了其理论和应用研究成果。

关键词：高维多目标优化进化算法期望函数降维集合进化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于偏好的高维多目标粒子群优化算法研究

基于偏好的高维多目标粒子群优化算法研究

作者：朱佳妮东北大学

学位级别：硕士

多目标优化问题在实际工程应用中普遍存在,如控制器设计,水资源管理,投资组合计划问题等。当多目标优化问题的目标个数超过三个时,这样的问题将被称为高维多目标优化问题。传统的优化算法由于计算复杂度较高,选择压力较低且高维情况下... 详细信息

多目标优化问题在实际工程应用中普遍存在,如控制器设计,水资源管理,投资组合计划问题等。当多目标优化问题的目标个数超过三个时,这样的问题将被称为高维多目标优化问题。传统的优化算法由于计算复杂度较高,选择压力较低且高维情况下难以进行决策,并不适用于求解高维多目标优化问题。同时由于决策者在优化前往往对各个目标有主观需求,不满足需求区域的搜索过程将浪费计算资源,因此关于带有偏好的多目标优化算法的研究受到了越来越多的关注。针对粒子群优化算法难以解决高维多目标优化问题的难题,本文提出一种新的高维多目标粒子群优化算法IR2-MaPSO。IR2-MaPSO算法主要包含三个部分:基于R2指标和目标空间分区的二层档案维护策略来综合权衡算法的收敛性和多样性;根据二层档案中候选解的分布来选择收敛性很好的全局最优向导和多样性较好的目标空间分区向导以及个体最优向导,并根据所选择向导设计一种全新的速度和位置更新公式;为了更好的增强算法的搜索性能,档案种群采用模拟二进制交叉和多项式变异算子进行学习。针对高维多目标优化问题难以有效构建决策者偏好信息的难题,本文综合分析决策者的不同决策需求,构建了决策者偏好框架。该框架包含两部分:一方面设计了一种基于方向角的权重生成策略,该策略可以生成任意数目的权重向量;另一方面,提出坐标变换的方法构建相应的偏好模型,在偏好区域中采用新的权重生成方法,将偏好信息融入到IR2-MaPSO中,提出一种基于偏好的高维多目标粒子群优化算法IR2-MaPSO-PRE,来解决已知决策者偏好的多目标优化问题。上述算法在多目标基准测试函数集中进行仿真,并与多种粒子群算法、进化算法和偏好多目标优化算法进行比较,验证算法的有效性和合理性。

关键词：高维多目标优化粒子群算法 R2指标偏好信息权重生成

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融入偏好区域的高维多目标集合进化优化

融入偏好区域的高维多目标集合进化优化

作者：孙奉林中国矿业大学

学位级别：硕士

高维多目标优化问题（MaOPs）在现实生活中普遍存在,且非常重要,由于其包含的目标函数较多,使得该问题的求解非常困难。目前,MaOPs已成为多目标进化优化领域的研究热点之一,其中,基于性能指标的集合进化优化算法是求解MaOPs的一种有效... 详细信息

高维多目标优化问题（MaOPs）在现实生活中普遍存在,且非常重要,由于其包含的目标函数较多,使得该问题的求解非常困难。目前,MaOPs已成为多目标进化优化领域的研究热点之一,其中,基于性能指标的集合进化优化算法是求解MaOPs的一种有效方法。此外,决策者的偏好可以有效缩小搜索区域,增加优化解的选择压力,并且可以引导种群的进化,提高MaOPs求解的效率。鉴于此,本文研究融入偏好区域的高维多目标集合进化优化方法。首先,针对高维多目标优化问题,提出一种偏好区域引导的高维多目标集合进化优化方法。在集合进化框架下,首先,基于成就标量函数提出一种动态确定高维目标空间中偏好区域的方法;然后,基于确定的偏好区域,给出融入偏好区域的高维多目标集合进化优化算法框架。以基准优化问题为例,通过实验所得的结果,验证了所提确定偏好区域方法的合理性和有效性。其次,针对上面提出的融入偏好区域的高维多目标集合进化优化算法框架,给出具体实现,提出一种基于偏好区域集合个体比较和偏好区域引导交叉的高维多目标集合进化优化方法。该方法基于集合Pareto占优和偏好区域,设计集合进化个体比较策略;此外,基于集合进化个体与偏好区域在目标空间中的位置关系,提出了偏好区域引导的集合进化个体交叉策略。将所提方法应用于基准高维目标优化问题,并与其它2种典型的方法对比,实验结果表明了所提方法的优越性。然后,在偏好区域引导的集合个体比较和交叉的基础上,进一步考虑偏好信息在变异算子中的引导作用,提出一种基于偏好区域引导变异的高维多目标集合进化优化。该方法在集合进化优化的框架下,以当前代位于偏好区域内的最优解集为导向,通过自适应的高斯扰动,引导种群朝偏好区域内的最优解集方向变异。将所提方法应用于基准高维多目标优化问题,并与其它3种方法比较,实验结果表明了所提方法的优越性。最后,以汽车驾驶室设计优化问题为应用对象,对实际的高维多目标优化问题进行分析,并将前面所提的进化优化方法用于求解该实际工程设计问题。通过实验比较了不同的方法求解该问题的性能,实验结果验证了所提方法的可行性和有效性。上述研究成果丰富了高维多目标进化优化理论,为高维多目标优化问题的求解提供了有效的途径。

关键词：高维多目标优化进化算法成就标量函数集合进化偏好区域