發(fā)布時(shí)間：2024-05-17 06:55

　　多目標(biāo)優(yōu)化問題在現(xiàn)實(shí)生活中廣泛存在,這些問題具有復(fù)雜度高,不易求解等特點(diǎn),傳統(tǒng)的數(shù)學(xué)方法難以對(duì)該類問題進(jìn)行很好的求解。為解決這個(gè)問題,多目標(biāo)進(jìn)化算法被提出來并獲得了廣泛應(yīng)用。多目標(biāo)進(jìn)化算法是啟發(fā)式搜索算法中的一種,在處理多目標(biāo)優(yōu)化問題上,該類算法表現(xiàn)出了良好的魯棒性和適用性。然而,隨著目標(biāo)個(gè)數(shù)的增加,這些多目標(biāo)優(yōu)化算法的有效性將逐漸地失效。原因是當(dāng)目標(biāo)數(shù)大于三個(gè)時(shí),非支配解的數(shù)量將快速的占據(jù)整個(gè)種群的數(shù)量,傳統(tǒng)的支配關(guān)系將失去收斂壓力的功能,導(dǎo)致整個(gè)種群無法收斂到真實(shí)的帕累托最優(yōu)面(Pareto optimal front,PF)上。為處理好該問題,基于指標(biāo)類的超多目標(biāo)進(jìn)化算法和基于分解類的超多目標(biāo)進(jìn)化算法被提出來用于增強(qiáng)環(huán)境選擇。然而,指標(biāo)類算法獲得的解集易于收斂到某些特定的帕累托區(qū)域,從而導(dǎo)致種群多樣性和覆蓋度方面的缺失;分解類算法的性能又依賴于真實(shí)PF的形狀。針對(duì)指標(biāo)類和分解類的超多目標(biāo)進(jìn)化算法存在的不足,本文主要致力于對(duì)基于指標(biāo)和基于分解的超多目標(biāo)進(jìn)化算法進(jìn)行改進(jìn),提出了兩種超多目標(biāo)進(jìn)化算法,其內(nèi)容如下:1)提出了一種基于指標(biāo)帶邊界保護(hù)策略的超多目標(biāo)進(jìn)化算法(An Indica...

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1三目標(biāo)空間中k=1，2的三

基于指標(biāo)和分解的超多目標(biāo)進(jìn)化算法研究8邊界解定義為同時(shí)優(yōu)化k（k<m）目標(biāo)的解，如圖2-1所示，其中m為目標(biāo)個(gè)數(shù)。給定K個(gè)特定的目標(biāo)，如果僅存在一個(gè)邊界解，則該邊界解被稱為角落解[43][44][45]，如圖2-2所示。角落解是邊界解的子集。圖2.1三目標(biāo)空間中k=1，2的三種不....

圖2.1三目標(biāo)空間中k=1，2的三種不同PFs的邊界解（紅線上）

基于指標(biāo)和分解的超多目標(biāo)進(jìn)化算法研究8邊界解定義為同時(shí)優(yōu)化k（k<m）目標(biāo)的解，如圖2-1所示，其中m為目標(biāo)個(gè)數(shù)。給定K個(gè)特定的目標(biāo)，如果僅存在一個(gè)邊界解，則該邊界解被稱為角落解[43][44][45]，如圖2-2所示。角落解是邊界解的子集。圖2.1三目標(biāo)空間中k=1，2的三種不....

圖2.2三個(gè)不同PFs在三目標(biāo)空間的角落解（紅圈），前兩種情況為k=2，后一種情況為k=1

基于指標(biāo)和分解的超多目標(biāo)進(jìn)化算法研究8邊界解定義為同時(shí)優(yōu)化k（k<m）目標(biāo)的解，如圖2-1所示，其中m為目標(biāo)個(gè)數(shù)。給定K個(gè)特定的目標(biāo)，如果僅存在一個(gè)邊界解，則該邊界解被稱為角落解[43][44][45]，如圖2-2所示。角落解是邊界解的子集。圖2.1三目標(biāo)空間中k=1，2的三種不....

圖2.3超多目標(biāo)進(jìn)化算法的流程圖

基于指標(biāo)和分解的超多目標(biāo)進(jìn)化算法研究9SBX[47])和多項(xiàng)式變異算子(PolynomialMutation,PM[48])。4）環(huán)境選擇：環(huán)境選擇主要用于更新種群，以便優(yōu)秀的個(gè)體能被保留進(jìn)入到下一代迭代過程中。在更新種群的過程中，研究者們提出了各種各樣的策略，這些策略都有一定的....

本文編號(hào)：3975545