基于分解的多目标量子差分进化算法研究

《基于分解的多目标量子差分进化算法研究》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、学校代码10125专业代码081203硕士学位论文题目基于分解的多目标量子差分进化算法研究姓名刘文娟专业计算机应用技术研究方向数据挖掘与商务智能所属学院信息管理学院指导教师常新功二〇一五年一月十四日UniversityCode10125MajorCode081203ShanxiUniversityofFinance&EconomicsThesisforMaster’sDegreeTitleAStudyonQuantumDifferentialMulti-objectiveEvolutionaryAlgorithmBasedonDecompositionNameLIUWen

2、juanMajorTechnologyofComputerApplicationResearchOrientationDataMiningandBusinessIntelligenceSchoolFacultyofInformationManagementTutorCHANGXingongJanuary14th，2015学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究所做出重要贡献的个人和集体，均已在文中以明确方式标明。本

3、人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保管、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权山西财经大学可以将本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和汇编本学位论文。本学位论文属于保密□，不保密□。在年解密后适用本授权书。(请在以上方框内打“√”)学位论文作者签名：指导教师签名：日期：年月日日期：年月日山西财经大学硕士学位论文摘要进化算法(EA)是以进化理论为基础的群体智能搜索算

4、法，在解决多目标优化问题(MOPs)有明显的优势，已经成为多目标研究的热点。基于分解的多目标进化算法(MOEA/D)采用数学规划方法，是一种快速、高效的多目标进化算法(MOEA)。在求解MOPs时，与其它算法相比，MOEA/D的收敛速度快、分布性好。但该算法在求解非凸帕累托前沿函数时最优解的质量有待提高。因此，提高MOEA/D在非凸函数上的性能具有重要的学术理论意义和实际应用价值。本文主要针对MOEA/D在解决非凸MOPs中存在的不足，将MOEA/D与量子进化算法QEA相结合，提出了基于分解的多目标量子差分进化算法(QD-MOEA/D)，并进行相应的数值模拟实验，然后将该

5、算法应用于解决银行组合信贷决策问题。本文的主要内容如下：1.介绍了MOPs的基本概念，并分析了多目标进化算法(MOEA)的研究现状。同时，详细阐述了MOEA/D的特征和算法流程，并给出了多目标进化算法常用的测试函数和性能度量指标，最后简述了QEA的相关概念和流程。2.鉴于量子进化算法在多峰值函数上的优良性能，将MOEA/D与量子进化算法相结合，提出了基于分解的多目标量子差分进化算法(QD-MOEA/D)。QD-MOEA/D的量子染色体采用实数编码，节省存储空间，加快运算速度。为了加快算法收敛速度并提高算法探测能力，量子染色体采取差分进化，其变异方式为量子非门。在多个标准测

6、试函数的实验结果表明该算法改进了MOEA/D在非凸函数上的收敛性和分布性。3.将QD-MOEA/D用于银行贷款组合优化问题。先将银行贷款组合优化问题抽象为一个多目标优化问题，并采用QD-MOEA/D求解该问题，为决策者提供一系列不同偏好的决策支持，进一步验证了本文提出的算法的有效性。关键词：MOEA/D，量子进化，差分进化，实数编码，组合贷款1基于分解的量子差分多目标进化算法ABSTRACTAsswarmintelligencesearchalgorithms,evolutionaryalgorithmsarebasedonthetheoryofevolution,and

7、haveincomparableadvantagesinsolvingthemulti-objectiveoptimizationproblems(MOPs).Theresearchhasbeenahottopic.Withmathematicalprogrammingmethods,MOEA/D(Multi-ObjectiveEvolutionaryAlgorithmbasedonDecomposition)isafastandefficientMOEA(Multi-ObjectiveEvolutionaryAlgorith