基于分解的多目標(biāo)進化算法研究

《基于分解的多目標(biāo)進化算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、萬方數(shù)據(jù)學(xué)校代碼10530學(xué)號201011051553分類號TP301密級碩士學(xué)位論文基于分解的多目標(biāo)進化算法研究學(xué)位申請人張作峰指導(dǎo)教師鄭金華教授李文教授學(xué)院名稱信息工程學(xué)院學(xué)科專業(yè)控制理論與控制工程研究方向智能計算二○一三年六月八日萬方數(shù)據(jù)TheResearchonMultiobjectiveEvolutionaryAlgorithmBasedonDecompositionCandidateZuofengZhangSupervisorProf.ZhengJinhuaandProf.LiWenColl

2、egeInstituteofInformationEngineeringProgramControlTheoryandControlEngineeringSpecializationIntelligentComputingDegreeMasterofEngineeringUniversityXiangtanUniversityDateJune8,2013萬方數(shù)據(jù)湘潭大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不

3、包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湘潭大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。作者簽名：日期：年月

4、日導(dǎo)師簽名：日期：年月日萬方數(shù)據(jù)摘要現(xiàn)實生活中需要優(yōu)化的問題往往具有多個目標(biāo)，例如，時間、質(zhì)量、花費和數(shù)量等。進化算法是一種隨機搜索算法，通過模擬生物自然進化與自然選擇實現(xiàn)優(yōu)勢基因的積累來引導(dǎo)種群的進化。進化算法具有高魯棒性和廣泛適用性，能夠不受問題性質(zhì)的限制，有效地處理傳統(tǒng)優(yōu)化算法難以解決的復(fù)雜問題。受以NSGA-II[1]為代表的基于Pareto支配方法的影響，數(shù)學(xué)方法備受冷落。近幾年，標(biāo)量函數(shù)和分解方法成為傳統(tǒng)優(yōu)化領(lǐng)域最受關(guān)注的方法之一?，F(xiàn)在在整個多目標(biāo)優(yōu)化領(lǐng)域，從傳統(tǒng)的算法中尋找靈感，已成為一個

5、趨勢。由于優(yōu)化問題中的各個目標(biāo)往往是相互沖突的，故優(yōu)化算法的目的是要找到目標(biāo)間的折衷解，即Pareto最優(yōu)解。為需要優(yōu)化的目標(biāo)定義一個聚合方法值或者偏好順序，多目標(biāo)問題即可轉(zhuǎn)換為單目標(biāo)優(yōu)化問題，單目標(biāo)優(yōu)化算法可以找到多目標(biāo)優(yōu)化問題的一個最優(yōu)解。然而，各目標(biāo)間的折衷關(guān)系是無法確定的，因此需要一種方法提供最好的候選解并從中選出偏好解?；诜纸獾亩嗄繕?biāo)進化方法（MOEA/D[2]）通過預(yù)先產(chǎn)生一組均勻的權(quán)重向量將多目標(biāo)優(yōu)化問題分解為一組單目標(biāo)子問題，并為每個子問題分配一個個體。權(quán)重向量直接決定了種群的性能，然

6、而，權(quán)重向量的均勻程度與具體優(yōu)化問題有關(guān)，如何根據(jù)優(yōu)化問題動態(tài)調(diào)整權(quán)重向量和子問題已成為基于分解的多目標(biāo)進化算法研究領(lǐng)域的重點。本研究針對目前均勻權(quán)重的產(chǎn)生方法及其權(quán)重向量與進化過程中的非支配面的形狀的關(guān)系展開研究，主要工作包括以下三個方面：第一、聚合方法將權(quán)重向量轉(zhuǎn)化為一定方向的選擇壓力，這些聚合函數(shù)對選擇壓力的轉(zhuǎn)換呈現(xiàn)一定的規(guī)律性。在使用某種聚合方法分解待優(yōu)化問題時，本文利用Pareto最優(yōu)解與權(quán)重向量的關(guān)系確定對應(yīng)子問題的權(quán)重向量，并運用該權(quán)重向量指引子問題的進化。該方法可以自適應(yīng)的調(diào)整子問題的進

7、化方向，彌補為子問題指定權(quán)重向量帶來的缺陷。第二、歸檔集保存著算法搜索到的所有非支配解，這些解包含著待測試問題的最優(yōu)解的信息。利用這些信息可為子問題的搜索提供依據(jù)。然而，歸檔集規(guī)模會隨著算法迭代逐漸變大，本文采用第K近鄰的方法修剪歸檔集。通過修剪歸檔集大小可以達到與種群大小相同。第三、由于歸檔集修剪需要耗費較多的計算資源，本文提出一種以基于試探的聚類方法為基礎(chǔ)的歸檔集聚集程度評價方法來判斷何時調(diào)整權(quán)重。該方法計算簡單，可以在每一次迭代中節(jié)省較多的計算資源。實驗表明：本文提出的算法(SMOEA/D)在分布

8、性方面有了較大的提高,采用WeightedSum聚合方法也可以較好的處理非凸問題，并且本文提出的算法在收斂速度方面也有一定的提高。關(guān)鍵詞：多目標(biāo)優(yōu)化；進化算法；分解；種群維護I萬方數(shù)據(jù)AbstractTheoptimizationproblemsinreallifetendtocopewithmultipletargets,forexample,time,cost,quality,quantity,etc.Evolutionaryalgor