資源描述：
《基于聚類的多目標(biāo)進(jìn)化算法及其在航跡規(guī)劃中的應(yīng)用》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、碩士學(xué)位論文基于聚類的多目標(biāo)進(jìn)化算法及其在航跡規(guī)劃中的應(yīng)用CLUSTERINGBASEDMULTIOBJECTIVEEVOLUTIONARYALGORITHMANDAPPLIANCEINROUTEPLANNING齊吉哈爾濱工業(yè)大學(xué)2016年6月國內(nèi)圖書分類號：TM301.2學(xué)校代碼：10213國際圖書分類號：62-5密級：公開工學(xué)碩士學(xué)位論文基于聚類的多目標(biāo)進(jìn)化算法及其在航跡規(guī)劃中的應(yīng)用碩士研究生齊：吉導(dǎo)師宋：申民教授申請學(xué)位工：學(xué)碩士學(xué)科控：制科學(xué)與工程所在單位控：制理論與制導(dǎo)技術(shù)研究中心答辯日期2：016年6月授予學(xué)位單位哈：爾濱工業(yè)大學(xué)ClassifiedIn
2、dex:TM301.2U.D.C:62-5DissertationfortheMasterDegreeinEngineeringCLUSTERINGBASEDMULTIOBJECTIVEEVOLUTIONARYALGORITHMANDAPPLIANCEINROUTEPLANNINGCandidate：QiJiSupervisor：Prof.SongShenminAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ControlScienceandEngineeringAffiliation:Centerfor
3、ControlTheoryandGuidanceTechnologyDateofDefence:June,2016Degree-Conferring-Institution:HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要現(xiàn)實(shí)生活中，人們經(jīng)常會遇到很多具有多個(gè)約束條件、多個(gè)決策變量、高度非線性等特征的復(fù)雜多目標(biāo)優(yōu)化問題。由于傳統(tǒng)的基于聚合技術(shù)的優(yōu)化方法在求解這些實(shí)際問題的時(shí)候會遇到很多困難，因此基于自然啟發(fā)的進(jìn)化算法獲得了廣泛的關(guān)注和青睞。多目標(biāo)進(jìn)化算法不依賴待求解問題的性質(zhì)，并且可以一次給出多個(gè)供選擇的解，因此得到了快速發(fā)展
4、。本文簡要介紹了多目標(biāo)進(jìn)化算法的發(fā)展歷程以及發(fā)展現(xiàn)狀，指出了現(xiàn)在的一些發(fā)展趨勢，結(jié)合機(jī)器學(xué)習(xí)算法以改進(jìn)算法的能力，通過在一個(gè)算法中結(jié)合多種重組算子來爭取獲得求解能力更好的進(jìn)化算法。提出了一種基于聚類的多目標(biāo)進(jìn)化算法。該算法在聚類的基礎(chǔ)上對解個(gè)體建立局部高斯模型，通過采樣的方法來產(chǎn)生新解，從而實(shí)現(xiàn)對決策空間進(jìn)行搜索的目的。并對該算法的求解能力進(jìn)行了實(shí)驗(yàn)和對比研究，證明了算法求解能力的優(yōu)越性，而且還對算法進(jìn)行了靈敏度分析。在前面算法的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種基于聚類的多算子多目標(biāo)進(jìn)化算法，在算法中融入了三種不同的重組算子，并引入自適應(yīng)機(jī)制，使得算法能夠根據(jù)不同階段的
5、需求自動改變各種重組算子的選擇概率。在對比實(shí)驗(yàn)中，該算法取得了良好的表現(xiàn)，并且驗(yàn)證了其對于不同的復(fù)雜多目標(biāo)優(yōu)化問題的求解能力。文章最后介紹了航跡規(guī)劃問題的模型，并利用所提出的算法對其進(jìn)行了求解，分析了算法的求解性能以及出現(xiàn)問題的原因，給出了一些比較好的航跡曲線。證明了所提算法對復(fù)雜問題的求解能力。關(guān)鍵詞：進(jìn)化算法；多算子；聚類算法；航跡規(guī)劃I哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractIndailylife,peoplecanalwaysmeetwithmanycomplicatedmultiobjectiveoptimizationproblems(MOPs)w
6、ithpropertiesofmultipleconstrains,multiplevariablesandhighnon-linearity.Sincethetraditionaldeterministicoptimizationtechniquescannotdealwiththeseproblemsverywell,theevolutionaryalgorithm(EA),whichisinspiredbynaturalevolution,hasreceivedgreatconcentrationandfavorite.Thesolvingprocessofm
7、ultiobjecctiveevolutionaryalgorithm(MOEA)isindependentofthefeaturesoftheproblemtosolve,andaMOEAisabletoobtainplentyofsolutionstobechosefrom.Therefore,theMOEAshaveexperiencedrapiddevelopment.Firstofall,thispaperdeliveredabriefintroductionofthehistoryanddevelopmentofmultiobjectiveevolu
