基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究

基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究

ID:35062511

大小:5.07 MB

页数:55页

时间:2019-03-17

基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究_第1页
基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究_第2页
基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究_第3页
基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究_第4页
基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究_第5页
资源描述:

《基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究》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、学校化码10530学号201330川738分类号TP301密级公开淋渾火I硕±学位论文基于双重选择机制和角度邻域惩罚机制的多目标进化算法的研究学位申请人韩平指导教师郑仓华教挖学院名称信息工程学院学科专业计算化科学与技术研究方向智能计當二〇—六年六月四日、s-tudofMultiObectiveEvolutionaryjyOtimizationAlorithmbasedonDoublepgSelection

2、MechanismandAnleNeihborggPunishmentMechanismCandidateHanPingSuervisorProf.ZhengJinHuapCoHeeInstit山eofInformatio打EngineeringgProramComputerScienceandTechnologygecazationComutationallute化e打ceSpilipgDereeMasterofScience

3、gUniversitXiananUniversityygtDateJune4th,2016湘潭大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研巧所取得的研巧成果。除了文中特别加W标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研巧做出重要贡。献的个人和集体,均已在文中W明确方式标明本人完全意识到本声明的法律后果由本人承担。kk日作者签名;日期;>4年月媒斗学位论文版权使用授

4、权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部口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。本人授权湘潭大学可W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W采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名:曰期;年^月t曰葬手W导师签名:义日親告店月石日摘要相比单目标优化问题(SOPs),现实生活中,存在大量的非线性、高度复杂的工程问题,这些问题大多都是多目标

5、优化问题(MOPS)。多目标优化问题具有多个需要同时优化且相互冲突的目标。而针对求解多目标优化问题所对应的进化算法,称之为多目标进化算法(MOEA)。本文从基于分解的和基于Pareto支配的多目标进化算法入手,提出了下面两个算法。针对基于分解的多目标进化算法(MOEA/D)的改进算法MOEA/D-DRA中个体和子问题的匹配选择问题,本文从分解方法的固有性质出发,理论上分析和论证其子问题性质,从而给出求解最优子问题的具体方法;然后引入竞争性选择理论,利用竞争性选择机制加强子问题内

6、部和子问题之间个体的信息交流,从而促进算法的收敛性和多样性,最后提出了基于竞争性选择和子问题选择的双重选-SS择机制的多目标分解进化算法(MOEA/D)。该算法从DTLZ1测试问题上,采用算法SPEA一II获取组巧匀权重向量,根据子问题固有信息及竞争性选择过。将该算法与MOEA/D-,寻找适合个体的最优子问题DRA进行对比试验表明程,--实验结果显示,MOEA/DSS在收敛性和分布性上都好于MOEA/DDRA证明,了竞争性选择和子问题选择机制提高了算法的性能。针对基于Paret

7、o支配关系的多目标进化算法在处理高维问题时存在着选择一压力小,早熟收敛等不足,提出了种基于角度邻域惩罚机制的多目栋进化算法一(ANPMEA)。首先,选择个离理想点最近的个体(精英个体);其次,设计了一种基于向量夹角的邻域形状作为惩罚区域;最后,对精英个体邻域内的其它个体进行惩罚,这样将降低与该精英个体邻近的个体进入归挡集的机会,提高解集的多样性-II和其它两个高维多目标优化算法(AR+DMO和。通过与NSGAAR+CD’)进行对比实验。实验结果显示,本文提出的基于角度邻域惩罚机制的

8、多目标进化算法在收敛性和分布性上都好于其它H个算法,且随着维数越高效果越明显。关键字!多目标优化问题;多目标优化;多目标分解;子问题选择;竞争性选择;邻域惩罚机制IAbshactComaredw-eciththesingleobjtiveotimizationroblems(SOPs)thereareappp,mberon-nearandhcomexenneerobem

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。