微分进化策略应用于多目标函数优化-成都信息工程大学论文管理系统

《微分进化策略应用于多目标函数优化-成都信息工程大学论文管理系统》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、分类号：TP301UDC：D10621-408-(2010)0728-0密级：公开编号：2007022033成都信息工程学院学位论文微分进化策略应用于多目标函数优化的研究论文作者姓名：陈磊申请学位专业：电子信息科学与技术申请学位类别：工学学士指导教师姓名（职称）：刘昆（副教授）论文提交日期：2011年06月03日第III页共20页独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得成都信息工程学院或其它教育机构的学位或证书而使用过的材

2、料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：2011年6月12日关于论文使用授权的说明本学位论文作者完全了解成都信息工程学院有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权成都信息工程学院可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：日期：2011年6月12日第III页共20页微分进化策略应用于多目标函数优化的研究摘要针对基本微分进化算法不适合求解多目

3、标优化这一问题,对基本算法进行了改进。具体采用的方法是对选择步骤进行修正,当且仅当满足一定条件时,新产生的个体才取代原个体。同时,引入动态调整机制控制算法参数,使算法摆脱后期易于陷入局部极值点的束缚,以提高该算法求解多目标问题的效率和寻优能力。算法分析和仿真结果表明,改进算法在实现求解多目标优化问题上具有较好的效果和求解效率。同时对多目标微分进化算法存在的的退化现象进行了扩展。关键词：微分进化算法；多目标优化；优化Differentialevolutionstrategyappliedtomulti-objectiveoptimizationAbstractThebas

4、icdifferentialevolutionalgorithmformulti-objectiveoptimizationisnotsuitableforthisproblem,thebasicalgorithmisimproved.Specificapproachistoamendtheselectionprocedure,ifandonlyifcertainconditionsaremet,thenewindividualsproducedonlyreplacetheoriginalindividual.Meanwhile,theintroductionofdyn

5、amiccontrolalgorithmparametersadjustmentmechanism,whichmakesthealgorithmeasytogetridofpost-boundlocalminimumpoint,inordertoimprovethealgorithmefficiencyandmulti-objectiveproblemoptimization.Algorithmanalysisandsimulationresultsshowthattheimprovedalgorithmtoachievemulti-objectiveoptimizat

6、ionproblemssolvedwithgoodresultsandefficiency.Meanwhile,multi-objectivedifferentialevolutionalgorithmdegradationphenomenaexistextended.Keywords:Differentialevolutionalgorithm;Multi-objectiveoptimization;Optimization目录1引言11.1最优化问题11.2全局最优化21.3多目标优化31.4进化算法61.5微分进化算法71.6本文的主要任务及结构92.微分进化算法

7、的改进92.1标准DE求解多目标优化的不足92.2选择步骤的修正102.3改进算法流程122.4仿真实验133多目标微分进化算法中的退化现象163.1两种退化现象163.1.1退化现象I173.1.2退化现象II173.2多目标微分进化算法中的两类退化现象的改进183.2.1对退化现象I的改进183.2.2对退化现象II的改进203.3改进的多目标微分进化算法203.4数值实验203.4.1测试函数以参数203.4.2实验结果及分析213.5本章小结224总结与展望23参考文献25致谢26附录271引言1.1最优化问题最优化(Optimi