改进微粒群算法在多目标优化问题中的应用

《改进微粒群算法在多目标优化问题中的应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、独创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——(注：如没有其他需要特别声明的，本栏可空)或其他教育机构的学位或证书使用过的材料。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。学位论文作者签名：委，l痔．学位论文版权使用授权书导师签字：本学位论文作者完全了解堂撞有关保留、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

2、阅。本人授权擞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适用本授权书)学位论文作者签名：壶，l办签字日期：2009年歹月弓。日导师签字签字日期：200g年j月如日山东师范大学硕十学位论文第一章绪论本章首先介绍了计算智能的研究背景及前沿，其次阐述多目标优化的发展现状，最后介绍了本文的内容和主要工作。1．1计算智能生命在长期进化过程中，积累了很多新奇的功能，人类很早就从中得到启发而改造自己的工具，如史书中记载“见蓬转而做车辑”，传说鲁班被茅苇划破，而

3、发明了锯。后来，人们开始有意识地进行这方面的研究，这就是“仿生学”。仿生学顾名思义就是模仿生物的某些功能的学问。仿生学的例子很多，如模仿海豚皮而构造的“海豚皮游泳衣”、科学家研究鲸鱼的皮肤时，发现其上有沟漕的结构，于是有个科学家就依照鲸鱼皮构造，造成一个薄膜蒙在飞机的表面，实验表明可节约能源3％，若全国的飞机都蒙上这样的表面，每年可节约几十亿。又如有科学家研究蜘蛛，发现蜘蛛的腿上没有肌肉，有脚的动物会走，主要是靠肌肉的收缩，现在蜘蛛没有肌肉为什么会走路?研究发现蜘蛛不是靠肌肉的收缩进行走路的，而是靠其中的“液压”的结构进行走路，据此人

4、们发明了液压步行机。总之，从自然界得到启迪，模仿其结构进行发明创造，这就是仿生学，也是我们向自然界学习的一个方面。另一方面，我们还可以从自然规律中得到启迪，利用其原理进行设计(包括设计算法)，这就是计算智能的思想。计算智能，也称为“软计算(SoftComputing)”，是当代人工智能的重要组成部分，它是20世纪90年代初期在向传统的人工智能挑战过程中提出的研究模拟人类的思维或生物的自适应、自组织能力，以实现计算技术的智能性的一门新学科⋯。1992年，Bezdek瞳1在《Approxi腿teReasoning》学报上首次给出了计算智能

5、的定义；1994年，IEEE神经网络委员会在0rlando召开了IEEE首次国际计算智能大会(worldConferenceonComputationalIntelligence)。这次会议首次将进化计算、人工神经网络和模糊系统这三个领域合并在一起，形成了“计算智能”这个统一的技术范畴。计算智能是从模拟自然界生物体系和人类智能现象发展而来，用计算机模拟和再现人类的某些智能行为，并用于改造自然的工程实践的一种新型人工智能研究领域。目前，计算智能的技术主要有进化计算、人工神经网络、模糊逻辑、混沌系统(ChaoticSystems)、概率推

6、理(ProbabilisticReasoning)等∞t4l。计算智能的最大特点就是不需要建立问题本身精确的数学模型，适合于解决那些因为难以建立有效的形式化模型而用传统人工智能技术又难以有效解决甚至无法解决的问题。计算智能的积极意义在于促进基于计算和基于物理符号相结合的各种智能理论、模型和方法的综合集成，以利于发展功能更强大，能解决更复杂系统的智能行为晦。。需要指出的是计算智能不是主要研究单项技术，而是研究如何将上述几种技术集成起来，优势互补，并应用来解决实际问题。山东师范火学硕士学位论文1．1．1进化计算进化计算(Ev01ution

7、aryComputation，EC)是在20世纪90年代初被提出的，它是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法，是模拟生物进化过程中“优胜劣汰”的自然选择机制和遗传信息的传递规律的算法的总称。简而言之，它使用了群体搜索技术，将种群代表一组问题解，通过对当前种群施加一系列规定的操作，从而产生新一代种群，并逐步使种群进化到包含近似最优解的状态。进化计算主要有：遗传算法(GeneticA190rithms，GA)、遗传编程(GeneticProgramming，GP)、进化规划(Ev01utionaryPr

8、ogra舳ing，EP)和进化策略(Ev01utionStrategies，ES)等。这几种算法是彼此独立发展起来的，各自有不同的侧重点，不同的生物进化背景，各自强调了生物进化过程中的不同特性。各个算法都有自己的优缺点，