基于種群分解的進(jìn)化超多目標(biāo)算法及其應(yīng)用

《基于種群分解的進(jìn)化超多目標(biāo)算法及其應(yīng)用》由會(huì)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(kù)。

1、廣東工業(yè)大學(xué)碩±學(xué)位論文（理學(xué)碩±）基于種群分解的進(jìn)化超多目標(biāo)算法及其應(yīng)用代水芹二〇—六年六月４５號(hào)：１１８分類號(hào)：學(xué)校代ＵＤＣ２１１１３１４００５：密級(jí)：學(xué)號(hào)；廣東工業(yè)大學(xué)碩±學(xué)位論文（理學(xué)碩±）基于種群分解的進(jìn)化超多目標(biāo)算法及其應(yīng)用代水芹：劉海林教授指導(dǎo)教師姓名、職稱；數(shù)學(xué)學(xué)科（專業(yè)）或領(lǐng)域名稱學(xué)生所屬學(xué)院：應(yīng)用數(shù)學(xué)＿：２０１６年６月論文答辯日期ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｔｏＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔ

2、ｙｏｆＴｅｃｈｎｏｌｏｇｙｆｏｒｔｈｅｄｅｒｅｅｏｆＭａｓｔｅｒｏｆＳｃｉｅｎｃｅｇＭａｓｔｅｒｏｆＳｃｉｅｎｃｅ（）Ｅｖｏ－ｉＭａｎｉＯｉｉｌｕｔｏｎａｒｙｙｏｂｅｃｔｖｅｐｔｍｉｚａｔｏｎｊＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＰｏｐｕｌａｔｉｏｎＤｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎＣａｎｄｉｄａｔｅ：ＳｈｕｉｑｉｎＤａｉＳｕｐｅｒｖｉｓｏｒ；Ｐｒｏｆ．ＨａｉｌｉｎＬｉｕＪｕｎｅ２０化ＳｃｈｏｏｌｏｆＡｐｐｌｉｅｄ

3、ＭａｔｈｅｍａｔｉｃｓＧｕａｎｄｏｎｎｉｖｅｒｓｆｇｇＵｉｔｙｏＴｅｃｈｎｏｌｏｇｙＧｕａｎｇｚｈｏｕ，Ｇｕａｎｇｄｏｎｇ，Ｐ．Ｒ．Ｃｈｉｎａ，５１胞２０摘要當(dāng)優(yōu)化問(wèn)題包含的目標(biāo)個(gè)數(shù)是兩個(gè)或者Ｈ者時(shí)，傳統(tǒng)經(jīng)典的優(yōu)化算法會(huì)有好的效果，但是在處理目標(biāo)多于或等于五個(gè)的超多目標(biāo)優(yōu)化問(wèn)題時(shí)，這些算法的效果并不理想，主要原因有：１）從收斂性方面考慮，目標(biāo)空間維數(shù)的增長(zhǎng)將會(huì)導(dǎo)致種群中Ｐａｒｅｔｏ非支配解呈指數(shù)型增長(zhǎng)，致使算法無(wú)法從種群中選擇性能較好的個(gè)體，從而影響算法的收斂性能．２）從分

4、布性方面考慮，大部分分布性保持策略通常比較偏好某些極端個(gè)體，在高維空間中，這種特點(diǎn)會(huì)減弱算法的搜索能力，最終影響種群的分布性．針對(duì)傳統(tǒng)的進(jìn)化多目標(biāo)算法在處理超多目標(biāo)優(yōu)化問(wèn)題時(shí)收斂性與分布性不足的送一種情況，本文提出種基于改進(jìn)的Ｋ支配排序Ｗ及種群分解的進(jìn)化超多目標(biāo)算法－ＫＤＭＯＥＡ，對(duì)整個(gè)區(qū)域進(jìn)行分解（）．該算法結(jié)合種群分解策略，從而對(duì)種群進(jìn)行分，，同時(shí)也在很大程度上減少了計(jì)算量解送在整體上有利于提高算法的分布性；改進(jìn)之后的Ｋ支配與Ｐａｒｅ化支配關(guān)系相比，，極大地增大了算法的選擇壓力提升了算法的收斂

5、性能；為了彌補(bǔ)傳統(tǒng)的聚集距離精確性不足，本文使用新的密度估計(jì)方法，提升－．ＧＡＩＩ局部密度估計(jì)的精確性新提出算法與ＮＳ就ＤＴＬＺ測(cè)試函數(shù)集進(jìn)行對(duì)比試驗(yàn)，實(shí)驗(yàn)結(jié)果顯示該算法在處理超多目標(biāo)優(yōu)化問(wèn)題具有明顯的優(yōu)勢(shì)，不僅提升了傳統(tǒng)進(jìn)化算法的收斂性能，而且獲得的解集在Ｐａｒｅｔｏ前沿上具有較好的分布性．一汽車側(cè)面碰撞優(yōu)化問(wèn)題中我們將新提出的算法應(yīng)用到實(shí)際問(wèn)題．在運(yùn)用新算法－求解時(shí)，，我們會(huì)對(duì)算法的加進(jìn)約束處理策略罰函數(shù)考慮到待優(yōu)化問(wèn)題的特殊性，使．其更好地處理這個(gè)優(yōu)化問(wèn)題從仿真的結(jié)果可Ｗ看出，新算法求解出來(lái)的解

6、具有較小的質(zhì)量和較高的安全等級(jí)得分，并且這些解求出來(lái)的指標(biāo)值離約束上界有較大的空間，即說(shuō)明這些解具有很好的適用性．兼具上述性質(zhì)的解能夠?yàn)閷?shí)際的生產(chǎn)設(shè)計(jì)提供很好的參照，所新算法能夠有效的解決汽車側(cè)面碰撞優(yōu)化問(wèn)題．關(guān)鍵詞：超多目標(biāo)優(yōu)化；種；；進(jìn)化多目標(biāo)算法群分解汽車側(cè)面碰撞優(yōu)化問(wèn)題Ｉ廣東工業(yè)大學(xué)理學(xué)碩壬學(xué)位論文ＡＢＳＴＲＡＣＴＷｈｅ打ｔｈｅｎｕｍｂｅｒｏｆｔｈｅｏｂｅｃｔｉｖｅｓｔｈａｔｔｈｅｏｔｉｍｉｚａｔｉｏｎｒｏｂｌｅｍｃｏｎｔａｉｎｓｉｓｔｗｏｏｒｊｐｐｔ

7、ｈｒｅｅｔｈｅｃｌａｓｓｉｃａｌｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍｗｉｌｌｈａｖｅａｏｏｄｅｆｆｅｃｔ．Ｂｕｔｉｎｄｅａｌｉｎｗｉｔｈ，ｐｇｇｇ－ｏｂｅｃｔｉｉｉｉｆｉｆｉｈｅｍａ打ｉｖｅｏｔｍｚａｔｏｎｒｏｂｌｅｍｓｔｈａｔｃｏｎｔａ打ｖｅｏｒｍｏｒｅｔｈａｎｖｅｏｂｅｃｔｉｖｅｓｔｙｐｐ，ｊｊ＇ｅｆｆｅｃｔｏｆｔｈｅｓｅａｌｏＨｔｈｍｓｉｓｎｏｔｉｄｅａｌｉｈｅｈｏｆｈｅｂｉｇ．Ｍａ打ｒｅａｓｏｎｓａｒｅ：１）Ｔｇｒｏｗｔｔｏｅｃｔｖ

8、ｅｓｊｄ－ｉｍｅｎｓｉｏｎｗｉｌｌｌｅａｄｔｏｔｈｅｅｘｏｎｅｎｔｉａｌｒｏｗｔｈｏｆｔｈｄｏｍｉｎａｔｅｄｌｔｉｉｔｈｐｅｎｏｎｓｏｕｏｎｓｎｅｇｏｕｌａｔｉｏｎｗｈｉｃｈｍａｋｅｓｔｈｅａｌｏｒｉｔｈｍｃａｎｎｏｔｃｈｏｏｓｅｏｏｄｓｏｌｕｔ