計算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)論文 [精品論文] 面向多目標(biāo)優(yōu)化的群智能算法研究

《計算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)論文 [精品論文] 面向多目標(biāo)優(yōu)化的群智能算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、計算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)論文[精品論文]面向多目標(biāo)優(yōu)化的群智能算法研究關(guān)鍵詞：粒子群優(yōu)化蟻群算法TSP多目標(biāo)優(yōu)化博弈策略摘要：針對連續(xù)型變量與離散型變量的多目標(biāo)優(yōu)化問題，分別提出基于博弈策略的多目標(biāo)粒子群優(yōu)化算法和面向旅行商問題(TSP)的協(xié)同進(jìn)化粒子群優(yōu)化算法。圍繞群智能算法的優(yōu)化原理與多目標(biāo)優(yōu)化問題的求解模型，論文的主要研究成果概括為：(1)根據(jù)博弈論的思想，提出一種基于博弈策略的多目標(biāo)粒子群優(yōu)化算法，將目標(biāo)函數(shù)看作智能體引領(lǐng)個體往各自有利的方向搜索，它們根據(jù)自身的效應(yīng)函數(shù)制定不同的搜索策略。從理論上分析了基于博弈策略的

2、多目標(biāo)粒子群優(yōu)化算法的收斂性質(zhì)，通過多個基準(zhǔn)測試算例，對算法的性能進(jìn)行驗(yàn)證，結(jié)果表明算法是有效的。(2)基于協(xié)同進(jìn)化的思想，提出了一種面向TSP問題的協(xié)同進(jìn)化粒子群算法(N-EPSO)，結(jié)合一種適合TSP問題與粒子群算法的特殊編碼方案，在此基礎(chǔ)上新定義了兩個粒子間的位置“加法”運(yùn)算，替換原來的速度方程，以實(shí)現(xiàn)粒子間的信息交換，然后增加一個變異算子，用來保持種群的多樣性，防止早熟收斂。(3)進(jìn)一步改進(jìn)N-EPSO算法的性能，基于蟻群算法的局部信息素更新原理和模擬退火算法的擾動算子組成新的變異算子，在算法的收斂速度和保持種群多樣

3、性上取得平衡，提升了算法的性能。(4)針對多目標(biāo)TSP問題的優(yōu)化模型，綜合上述算法并做相應(yīng)的優(yōu)化調(diào)整，應(yīng)用到多目標(biāo)TSP問題的優(yōu)化求解中，引進(jìn)歸檔集，保存當(dāng)前搜索到的Pareto最優(yōu)解，通過仿真實(shí)驗(yàn)對算法進(jìn)行驗(yàn)證。粒子群算法作為一種新興的進(jìn)化優(yōu)化方法，能夠大大減輕復(fù)雜的大規(guī)模多目標(biāo)優(yōu)化問題的計算負(fù)擔(dān)，本文的研究工作對研究多目標(biāo)粒子群優(yōu)化算法，拓展粒子群算法的應(yīng)用領(lǐng)域，特別是實(shí)際工程優(yōu)化中存在的離散變量多目標(biāo)優(yōu)化問題具有重要的理論意義與實(shí)際意義。正文內(nèi)容針對連續(xù)型變量與離散型變量的多目標(biāo)優(yōu)化問題，分別提出基于博弈策略的多目標(biāo)粒

4、子群優(yōu)化算法和面向旅行商問題(TSP)的協(xié)同進(jìn)化粒子群優(yōu)化算法。圍繞群智能算法的優(yōu)化原理與多目標(biāo)優(yōu)化問題的求解模型，論文的主要研究成果概括為：(1)根據(jù)博弈論的思想，提出一種基于博弈策略的多目標(biāo)粒子群優(yōu)化算法，將目標(biāo)函數(shù)看作智能體引領(lǐng)個體往各自有利的方向搜索，它們根據(jù)自身的效應(yīng)函數(shù)制定不同的搜索策略。從理論上分析了基于博弈策略的多目標(biāo)粒子群優(yōu)化算法的收斂性質(zhì)，通過多個基準(zhǔn)測試算例，對算法的性能進(jìn)行驗(yàn)證，結(jié)果表明算法是有效的。(2)基于協(xié)同進(jìn)化的思想，提出了一種面向TSP問題的協(xié)同進(jìn)化粒子群算法(N-EPSO)，結(jié)合一種適合T

5、SP問題與粒子群算法的特殊編碼方案，在此基礎(chǔ)上新定義了兩個粒子間的位置“加法”運(yùn)算，替換原來的速度方程，以實(shí)現(xiàn)粒子間的信息交換，然后增加一個變異算子，用來保持種群的多樣性，防止早熟收斂。(3)進(jìn)一步改進(jìn)N-EPSO算法的性能，基于蟻群算法的局部信息素更新原理和模擬退火算法的擾動算子組成新的變異算子，在算法的收斂速度和保持種群多樣性上取得平衡，提升了算法的性能。(4)針對多目標(biāo)TSP問題的優(yōu)化模型，綜合上述算法并做相應(yīng)的優(yōu)化調(diào)整，應(yīng)用到多目標(biāo)TSP問題的優(yōu)化求解中，引進(jìn)歸檔集，保存當(dāng)前搜索到的Pareto最優(yōu)解，通過仿真實(shí)驗(yàn)對

6、算法進(jìn)行驗(yàn)證。粒子群算法作為一種新興的進(jìn)化優(yōu)化方法，能夠大大減輕復(fù)雜的大規(guī)模多目標(biāo)優(yōu)化問題的計算負(fù)擔(dān)，本文的研究工作對研究多目標(biāo)粒子群優(yōu)化算法，拓展粒子群算法的應(yīng)用領(lǐng)域，特別是實(shí)際工程優(yōu)化中存在的離散變量多目標(biāo)優(yōu)化問題具有重要的理論意義與實(shí)際意義。針對連續(xù)型變量與離散型變量的多目標(biāo)優(yōu)化問題，分別提出基于博弈策略的多目標(biāo)粒子群優(yōu)化算法和面向旅行商問題(TSP)的協(xié)同進(jìn)化粒子群優(yōu)化算法。圍繞群智能算法的優(yōu)化原理與多目標(biāo)優(yōu)化問題的求解模型，論文的主要研究成果概括為：(1)根據(jù)博弈論的思想，提出一種基于博弈策略的多目標(biāo)粒子群優(yōu)化算法

7、，將目標(biāo)函數(shù)看作智能體引領(lǐng)個體往各自有利的方向搜索，它們根據(jù)自身的效應(yīng)函數(shù)制定不同的搜索策略。從理論上分析了基于博弈策略的多目標(biāo)粒子群優(yōu)化算法的收斂性質(zhì)，通過多個基準(zhǔn)測試算例，對算法的性能進(jìn)行驗(yàn)證，結(jié)果表明算法是有效的。(2)基于協(xié)同進(jìn)化的思想，提出了一種面向TSP問題的協(xié)同進(jìn)化粒子群算法(N-EPSO)，結(jié)合一種適合TSP問題與粒子群算法的特殊編碼方案，在此基礎(chǔ)上新定義了兩個粒子間的位置“加法”運(yùn)算，替換原來的速度方程，以實(shí)現(xiàn)粒子間的信息交換，然后增加一個變異算子，用來保持種群的多樣性，防止早熟收斂。(3)進(jìn)一步改進(jìn)N-E

8、PSO算法的性能，基于蟻群算法的局部信息素更新原理和模擬退火算法的擾動算子組成新的變異算子，在算法的收斂速度和保持種群多樣性上取得平衡，提升了算法的性能。(4)針對多目標(biāo)TSP問題的優(yōu)化模型，綜合上述算法并做相應(yīng)的優(yōu)化調(diào)整，應(yīng)用到多目標(biāo)TSP問題的優(yōu)化求解中，引進(jìn)歸檔集，保存當(dāng)前搜索到的P