基于跳跃基因的多目标差分进化算法研究

《基于跳跃基因的多目标差分进化算法研究》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、暨南大学硕士学位论文题名（中英对照）：基于跳跃基因的多目标差分进化算法研究ResearchonMulti-objectiveDifferentEvolutionAlgorithmBasedonJumpingGenes作者姓名：刘峥指导教师姓名郑力明及学位、职称：教授学科、专业名称：电路与系统学位类型：学术学位论文提交日期：论文答辩日期：答辩委员会主席：论文评阅人：学位授予单位和日期：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。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，也不包含为获得暨南大学或其他教育机构的学位或证书而

2、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：签字日期：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暨南大学有关保留、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。本人授权暨南大学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：导师签名：签字日期：年月日签字日期：年月日学位论文作者毕业后去向：工作单位：电话：通讯地址：邮编：暨南大学硕士学位论文摘要在科学研究和工

3、程设计过程中,很多具体问题都可以归纳为参数优化问题,而现实当中，这些优化问题往往有多个设计目标，这些目标互相矛盾，彼此制约，一个目标的性能优化往往会导致其它至少一个目标的性能退化，即多个目标很难同时达到最优。因此，多目标优化算法的研究成为当今科学和工程设计当中的一个热点研究方向。进化算法是一种受自然界生物和系统的启发而发展起来的启发式搜索和优化算法的总称，用进化算法求解多目标优化问题得到了广泛的应用。作为进化算法的重要组成部分，差分进化算法是一类容易理解、结构简单、可调参数少、鲁棒性强的智能优化方法。多目标差分算法中，较著名的算法有DEMO(Differentialevolutionalgor

4、ithmformulti-objectiveoptimization)和MODEA(Multi-objectivedifferentialevolutionalgorithm)等。然而，DEMO使用的快速父代替换和MODEA使用贪婪变异策略使其在求解复杂问题时存在明显的不足，容易陷入局部最优。为解决现有的多目标差分进化算法容易陷入局部最优的问题，本文引入跳跃基因算子，提出基于跳跃基因的多目标差分进化(JGMODE)算法。不同于现有的多目标差分算法如DEMO和MODEA，JGMODE算法在传统交叉算子之后执行跳跃基因操作，以保持种群多样性，提高算法的勘探能力。数值实验结果表明提出的算法能很好地解

5、决局部最优问题，在ZDT和DTLZ测试函数集的困难问题上展现了显著优于现有算法的性能。关键词：多目标优化算法；差分进化算法；局部最优；跳跃基因；探索能力；困难问题I暨南大学硕士学位论文AbstractIntheprocessofscientificresearchandengineeringdesign,manyspecificproblemscanbesummarizedasparameteroptimizationproblem,inthereality,theseoptimizationproblemsoftenhavemultiplegoals,thegoalscontradictan

6、drestricteachother,Theimprovementoftheperformanceofaoptimizationgoaloftenleadstoatleastoneotherobjectiveperformancedegradation,somultipletargetisverydifficulttoachieveoptimalatthesametime.Therefore,multi-objectiveoptimizationalgorithmresearchhasbeenahotspotoftoday'sscienceandengineeringdesignresearc

7、hdirection.Evolutionaryalgorithmisagenerictermsofheuristicsearchandoptimizationalgorithm,whichisinspiredbybiologicalnatureandsystem,usingevolutionaryalgorithmtosolvemulti-objectiveoptimizationproblem,