應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法

應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法

ID:32703101

大小:1.39 MB

頁數(shù):53頁

時(shí)間:2019-02-14

應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法_第1頁
應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法_第2頁
應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法_第3頁
應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法_第4頁
應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法_第5頁
資源描述:

《應(yīng)用于多目標(biāo)優(yōu)化問題的非支配排序差分進(jìn)化算法》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、武漢科技大學(xué)碩士學(xué)位論文第1頁摘要現(xiàn)實(shí)世界的很多問題都是多目標(biāo)優(yōu)化問題。在多目標(biāo)問題中,各目標(biāo)之間通常不是獨(dú)立存在的,往往互相沖突,因而,不存在單一解向量使得所有目標(biāo)最優(yōu),這使得多目標(biāo)問題難于優(yōu)化。進(jìn)化算法啟發(fā)于自然界的生物進(jìn)化過程。它的潛在并行性及自組織自適應(yīng)自學(xué)習(xí)的智能特性對于求解多目標(biāo)問題具有巨大潛力。近年來多目標(biāo)優(yōu)化與決策問題已成為進(jìn)化計(jì)算的一個(gè)重要的研究方向。本文首先對國內(nèi)外進(jìn)化多目標(biāo)領(lǐng)域的研究現(xiàn)狀和研究方法進(jìn)行了系統(tǒng)的歸納和總結(jié),接著分析了當(dāng)前的一些有代表性的進(jìn)化多目標(biāo)算法各自的優(yōu)點(diǎn)和不足之處,并據(jù)此

2、提出了一種應(yīng)用于多目標(biāo)優(yōu)化的非支配排序差分進(jìn)化算法。該算法繼承了NSGA.II的快速非支配排序和種群多樣性保持策略,同時(shí)使用簡單但高效的差分方式取代NSGA-II中的模擬二進(jìn)制交叉和多項(xiàng)式變異的方式產(chǎn)生子代個(gè)體。最后,為進(jìn)一步提高算法性能,在差分方式中融入了直接的收斂信息和擴(kuò)散信息,收斂信息有助于提高算法的收斂速度,而擴(kuò)散信息則利于算法所得解的分布.通過Matlab對所提出算法以及NSGA.Ⅱ進(jìn)行了數(shù)值仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明:融入直接信息的非支配排序差分進(jìn)化算法所得非劣解集的收斂和分布特性均優(yōu)于NSGA·Ⅱ。關(guān)鍵

3、詞:多目標(biāo)問題;進(jìn)化算法;多目標(biāo)進(jìn)化優(yōu)化:差分進(jìn)化第1I頁武漢科技大學(xué)碩士學(xué)位論文AbstractMulti-objectiveoptimizationproblemhasawiderangeofapplicationsintherealworld.Itofteninvolvesincommensurableandcompetingobjectives.Sotherewasnotsinglesolutionvectorthatmadealltheobjectivesoptimal.Asnresult,itw器di

4、fficultforoptimizingthemulti-objectiveproblem.EvolutionaryalgorithmswereinspiredfromtheideasfromrlaRlralevolutionaryprocesses.Duetoitsintrinsicparallelism,self-organizing,adaptationandself-learningintelligentproperties,evolutionaryalgorithmshavelargepotential

5、tosolvemultipleobjectivesoptimalsolutions.Themultipleobjectivesoptimizationanddecision-makinghasbecomeanimportantresearchareaofevolutionaryalgorithmsinrecentyears.Firstly,theresearchstatusandmethodsofevolutionarymulti·objectiveoptimizationweresystematicallyel

6、aboratedandsummarized.Then,somestateofartmulti-objectiveevolutionaryalgorithmswereanalyzedfortheiradvantagesanddrawbacks,basedOilwhiellthenon-dominatedsortingdifferentialevolutionalgorithmwasproposedforthemulti-objectiveoptimization.Theproposedalgorithminheri

7、tedthefastnon-dominatedsortingapproachandthediversitypreservationmethodofNSGA-II.Atthesametime.itmade哪ofthesimplebutefficientdifferentialwayforobtainingtheoffspringinsteadofthesimulatedbinarycrossoverandpolynomialmutation.Forthefurtherimprovementoftheperforma

8、nceoftheproposedalgorithm,thedirectconvergenceandspreadinformationWaSincorporatedinthedifferentialmethod.Theconvergenceinformationhelptotheimprovementoftheconvergencespeedofthealgorithm.T

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。