基于进化算法的动态多目标优化

基于进化算法的动态多目标优化

ID:32527314

大小:5.13 MB

页数:77页

时间:2019-02-11

基于进化算法的动态多目标优化_第1页
基于进化算法的动态多目标优化_第2页
基于进化算法的动态多目标优化_第3页
基于进化算法的动态多目标优化_第4页
基于进化算法的动态多目标优化_第5页
资源描述:

《基于进化算法的动态多目标优化》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、摘要I独创性(或创新性)声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。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做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切相关责任。本人签名:日期关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻

2、读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后,发表的论文与本论文工作成果有关时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)本人授权西安电子科技大学图书馆保存学位论文,并同意将论文在互联网上发布。本人签名:日期导师签名:日期摘要I摘要近年来,多目标优化问题吸引了越来越多不同背景的研究人员的注意力。而应用中的大多数多目标优化问题往往是随时间动态

3、变化的,这类问题被成为动态多目标优化问题。由于动态多目标优化问题在现实世界中的普遍存在性以及其求解的困难性,促使人们付出了很多精力来寻求解决的方法,因此分析和提出解决这类问题的新算法已成为一个新颖的课题。进化多目标优化算法是近年来发展起来的一种新的优化算法,该算法具有较好地求解多目标优化问题的能力,而随着进化算法的提出和不断深入的研究,这类算法作为解决多目标优化问题的新方法已越来越受到学术界的重视,并逐步发展成为有效解决多目标优化问题的重要技术。因此,我们考虑采用这类算法解决动态多目标优化问题。本论文通过对国内外

4、进化多目标优化算法领域及动态多目标优化问题的相关算法研究现状和研究方法的分析,结合多项基金项目,对动态多目标优化问题这一新颖而极具挑战的课题进入了深入而系统的研究,提出了多种新颖有效的算法及实现策略。本文的主要工作概括如下:(1)介绍了多目标优化算法及动态多目标优化问题的数学模型及相关概念,概述这类问题的度量准则。详细介绍了一种解决多目标优化问题的策略——人工免疫克隆操作,并基于考虑通常的进化算法只考虑单个种群而不能很好地保持算法多样性的缺点,引入协同进化算法的相关理论,采用多种群策略保持算法的多样性。通过将免疫

5、克隆操作与协同进化操作的结合,我们提出了动态多目标优化免疫克隆协同进化算法,该算法设计了相关的协同进化竞争算子和协同进化合作算子,改进了算法的均匀性和多样性。通过5个动态多目标优化测试问题的实验验证了算法的有效性。(2)将量子进化计算策略和改进的免疫克隆协同进化算法相结合,提出了用以求解动态多目标优化问题的动态多目标优化量子免疫克隆协同进化算法。该算法利用量子计算的并行性和量子旋转门的特点,设计了量子旋转门更新算子,改进了算法的收敛性。同时,算法利用免疫克隆操作中能够很好保持最优解的特点及协同进化操作能够保持种群

6、良好的均匀性和多样性的特点,使得算法在均匀性,多样性和收敛性上都有所改进。对比实验表明,该算法在保持较好的均匀性和多样性的同时,又能有效地提高算法的收敛性。(3)提出了一种基于量子粒子群的理论基础的算法——量子粒子群免疫克隆协同进化算法,算法利用量子粒子群优化算法能够快速收敛,并改进算法搜索能力的优势,将其与免疫克隆协同进化算法相结合,一方面保持了种群在进化过程中的多样性,另一方面在均匀性和收敛性方面都有所改进。实验表明:该方法可II基于进化算法的动态多目标优化以有效求解动态多目标优化问题。本文工作得到了国家自然

7、科学基金(No.61001202),中国博士后特别资助项目(No.201104658),陕西省基金(No.2009JQ8015),国家教育部博士点新教师基金(No.20100203120008),中国博士后科学基金资助项目(No.20090451369)的资助。关键词:动态多目标优化,免疫克隆,协同进化,量子进化计算,量子粒子群ABSTRACTIIIABSTRACTRecently,themultiobjectiveoptimizationproblemshaveattractedanincreasinglynu

8、mberofresearcherswithvariousbackgrounds.Mostmultiobjectiveoptimizationproblems,whicharechangingovertime,arecalledDynamicMultiobjectiveOptimizationproblems.Thiskindofproblemsisverycommonin

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。