基于自适应邻域选择进化方法的高维多目标优化问题的研究

基于自适应邻域选择进化方法的高维多目标优化问题的研究

ID:34278861

大小:1.55 MB

页数:50页

时间:2019-03-04

基于自适应邻域选择进化方法的高维多目标优化问题的研究_第1页
基于自适应邻域选择进化方法的高维多目标优化问题的研究_第2页
基于自适应邻域选择进化方法的高维多目标优化问题的研究_第3页
基于自适应邻域选择进化方法的高维多目标优化问题的研究_第4页
基于自适应邻域选择进化方法的高维多目标优化问题的研究_第5页
资源描述:

《基于自适应邻域选择进化方法的高维多目标优化问题的研究》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10530学号201510171829分类号TP301密级公开硕士学位论文基于自适应邻域选择进化方法的高维多目标优化问题的研究学位申请人张宇平指导教师邹娟副教授学院名称信息工程学院学科专业计算机科学与技术研究方向智能计算二○一八年四月十日Thestudyonmany-objectiveoptimizationproblemsbasedonadaptiveneighborhoodselectionCandidateYupingZhangSupervisorProf.ZouJuanCollegeInstituteofInformationEngineerin

2、gProgramComputerScienceandTechnologySpecializationComputationalIntelligenceDegreeMasterofScienceUniversityXiangtanUniversityDateApril10,2018摘要在实际生活中,很多问题所需要优化的目标个数很多,往往会大于甚至远大于3个,我们将这一类问题称为高维多目标优化问题(Many-objectiveOptimizationProblems,MaOPs),而解决这类问题的多目标进化算法,则称之为高维多目标进化算法(Many-objectiv

3、eEvolutionaryAlgorithms,MaOEAs)。一般来说,对于一个高维多目标优化问题,随着目标个数的增加,收敛性能和分布性能之间的冲突关系会逐渐恶化。而且,Pareto支配关系在高维问题中也失去其效力,传统的MOEAs的选择机制所能提供的选择压力不足以从大量充斥在目标空间中的非支配解中区分出更优秀的个体。因此,需要一个有效的选择方法来平衡收敛性和分布性,增加选择压力。本文提出了一个高维多目标进化算法,“自适应邻域选择的多目标进化算法(Adaptiveneighborhoodselectionformany-objectiveoptimizatio

4、nproblems,ANS-MOEA)”,来处理高维多目标优化问题。对于每个个体设计两个信息:收敛信息(CI)和分部信息(DI)。在临界层选择中,一个收敛性好的个体首先从种群中选择出来,而它邻域内的个体(通过DI求出)随后被放到邻域集合(NC)内。在NC未满的时候,这些邻域内的个体会直接放到里面,而当NC饱和的时候,待放入的邻域个体会与NC当中已经存在的个体进行比较,通过个体之间DI的比较使得拥有较大DI值的个体保留在种群中,而拥有较小DI值的个体则被暂存于NC中,直到归档集(Archive)满后,NC中的个体即被淘汰掉。为了验证ANS-MOEA效果,本文选择了

5、4个先进的高维多目标进化算法,NSGA-III,IBEA,BIGE,GrEA,来作为对比算法。实验结果显示ANS-MOEA能有效的提高算法的选择压力,从而在解决高维问题时提供一组能平衡收敛与分布的Pareto最优解集。关键字:多目标进化算法;多目标优化问题;选择压力;临界层;分布性;收敛性;邻域;选择机制IAbstractInthereallife,Manyproblemsneedtobeoptimizedforalargenumberofobjectives,whichismorethan3.Wecalltheproblemsmany-objectiveopt

6、imizationproblems,MaOPs.TheMOEAsforsolvingsuchproblemsarecalledthemany-objectiveevolutionaryalgorithms,MaOEAs.Generally,theconflictbetweenconvergenceperformanceanddistributionperformancewilldeterioratewiththeincreaseofthenumberofobjectives.TheParetodominancealsolosesitseffectivenessi

7、nthehigh-dimensionalproblems.TheselectionmechanismofthetraditionalMOEAscannotprovideenoughselectionpressurefordistinguishingsuperiorindividualsfromtheobjectivespacewhichisfloodedalargenumberofindividuals.Therefore,aneffectiveselectionmethodisneededtoimprovetheselectionpressuretobalan

8、ceconvergenc

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。