欢迎来到天天文库
浏览记录
ID:10901533
大小:150.50 KB
页数:7页
时间:2018-07-08
《工程硕士研究生学位论文中期检查报告》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、XXXXXXX工程硕士研究生学位论文中期检查报告工程硕士研究生姓名:XX工程领域:XXX校内导师姓名、职称:XXXX校外导师姓名、职称:XXX开题报告提交时间:XXXX研究生所在单位:XXXXXXXXXXXXX论文题目一种基于分区域边界搜索和外部集存档多目标遗传算法论文类型研究型设计型管理型技术型应用技术研究应用研究预先研究工程设计产品设计工艺设计管理规划技术应用技术应用√开题报告日期.进化算法是从种群到种群的搜索,其群体搜索的特性在求解多目标优化问题时具有明显的优势并日益受到有关学者的关注。在过去的几十年中,提出了许多多目标进化算法。然而
2、,约束处理仍然是进化算法中一个极具挑战的问题,目前对约束处理方法的研究还不是很多。目前已完成学位论文工作的主要内容和取得的阶段性成果:按照课题要求及开题报告的预期目标,目前已完成课题的可行性研究,对课题的研究的背景,国内外的研究现状及其存在的问题等几个方面进行了论述,并且取得了本论文主要完成的工作内容。并实质性开展了如下研究。一、完成了国内外该领域研究成果的对比分析,找到了研究点--分区域边界搜索和外部集存档多目标遗传算法,明确了研究方法。具体的方法是,在我们以前的研究基础上,提出一种基于多群体分解的多目标进化算法框架。该算法根据个体的目标
3、函数值把种群动态地分成若干个子群体,每一个子群体对应一个内部集和一个外部集,内部集用来保存该子群体中若干好解,外部集用来保存该子群体曾经发现的若干解。让内部集中的每一个个体与相同的子群体的外部集中的某一个个体进行杂交变异产生新个体。把新产生的个体分到每一个子群体中,每一个子群体独立地执行选择算子更新内部集和外部集,并行优化每一个子群体。外部集的存档策略,在几乎不增加算法复杂度的情况下,增加了每一个子群体的种群规模,保持了种群的多样性。另外,把新产生的个体重新分给每一个子群体,由于进化算法的随机性,一个区域内产生的个体可能不在该子区域中,重新
4、分区域有效地利用了这些个体。在搜索过程中子群体间的这种协作,有效的提高了算法的效率。每一个子群体独立地执行各种进化算子。这样,只有处在同一个子群体中的个体(即它们具有相同的生态位)才会竞争,不同的子区域的个体不竞争。减少了对某些特别优良个体的依赖,保持了种群的多样性。动态分区域的方法,使得相邻的子群体间存在竞争(它们具有相似的生态位),减少了某些很差的子群体对种群的影响。动态地分区域方法,还使得相邻两个子区域边界上的个体在相邻的两个子群体之间迁徙,在群体间交流信息,防止某些子群体局部收敛而早熟。在参考文献[14,16]中,提出了一些基于群体
5、分组的多目标进化算法。这些分组方法,有效的减少了算法复杂度。但仍然不能起到维护种群的多样性的作用,当种群中的个体集中在目标函数空间的某一个小区域时,这些分组方式使得这些集中的个体分成了多组,仍然占据着大部分种群,不利于维护种群的多样性。二、完成了论文课题的重点研究内容。一是对提出的算法进行详细的叙述。在这部分内容中,首先给出动态分区域的方法,详细论述了动态分区域的意义。其次,给出了基于外部集的约束处理技术并说明其有效性。RAEA算法的框架步1初始化步1.1初始化参数:种群规模,子群体的数目=,最大计算目标函数的次数,变异概率,个子群体的中心
6、向量和影响因子,并计算每一个子群体的种群规模,,以及影响因子更新频率;步1.2随机产生5N个个体,由(2.2)这些个体划分给S个子群体,确定每个子群体的内部集,所有子群体的外部集都是由从5N个个体中随机选取4N/S个个体构成。步2杂交、变异运算让内部中的每一个个体与该个体所在的子群体的外部集中随机选择的一个个体进行杂交变异产生一个新个体。步3内部集与外部集的更新步3.1分区域把杂交、变异后产生的新个体和当前代的所有子群体中内部集的个体按照(2.2)分给各个子群体。步3.2更新内部集和外部集假设在第gen代时,分给第个子群体的个体记为,所含个
7、体数目记为,第个子群体的内部集记为,外部集记为(=1,2,…,S)。a)当时,则,;b)当时,根据特定的选择算子在中选择个最好的个体组成,集合中剰余的个体全部随机替换集合中相同数目的个体得到外部集步4如果,更新每一个子群体的影响因子和种群规模。步5当,转到步2;否则,停止,输出集合。二是对提出的算法进行算法复杂度分析,给出了测试函数和性能评价指标。1、算法复杂度比较:基于目标函数分区域的方法可以减少算法的复杂度。由于适应值的分配和个体的选择在每一个子区域中进行,每一个子区域的个体数目远远小于种群规模,所以算法的复杂度减少。在参考文献[17]
8、中给出了经典的NSGA-II算法复杂度为,其中是目标函数的维数,是种群规模。采用分区域的方法,算法分成两步。第一步分区域,要确定每一个个体分到哪一个区域,需要计算目标函数向量与中
此文档下载收益归作者所有