检索结果-内蒙古大学图书馆

作者：王帅发湘潭大学

学位级别：硕士

在实际生活中,很多问题往往是复杂性较高、目标维数较多,并且是非线性的优化问题。当这种问题不能用传统的方法获得用户满意的解时,随机搜索的进化算法,尤其是多目标进化算法能够较好的获得决策者满意的解。多目标进化算法不同于一般的... 详细信息

在实际生活中,很多问题往往是复杂性较高、目标维数较多,并且是非线性的优化问题。当这种问题不能用传统的方法获得用户满意的解时,随机搜索的进化算法,尤其是多目标进化算法能够较好的获得决策者满意的解。多目标进化算法不同于一般的随机搜索算法,采用精英保留机制让优秀的解迭代出更加优秀的解。因此,多目标进化算法受到研究者的重视程度越来越高。随着多目标进化算法研究的推进,人们发现通常并不需要获得整个Pareto最优面,而是需要Pareto最优面上的一个解或一部分解集,正因如此,偏好多目标进化算法逐渐进入研究者的视野。偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法。目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差。针对以上问题,本文通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法。将本文提出的算法与四种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,本文提出的算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果。

关键词：偏好多目标进化算法参考点自适应偏好半径偏好区域决策者

来源：评论

学校读者我要写书评

暂无评论

基于偏好半径选择机制的偏好多目标进化算法的研究

基于偏好半径选择机制的偏好多目标进化算法的研究

引用

作者：胡建杰湘潭大学

学位级别：硕士

在现实生活中,优化的问题往往是一些多目标、非线性、高复杂的优化问题,这些问题用传统的优化方法无法获得决策者满意的解,而使用一些基于随机搜索策略的进化算法,特别是多目标进化算法能够获得解决这些问题的解。进化算法是一类模拟大... 详细信息

在现实生活中,优化的问题往往是一些多目标、非线性、高复杂的优化问题,这些问题用传统的优化方法无法获得决策者满意的解,而使用一些基于随机搜索策略的进化算法,特别是多目标进化算法能够获得解决这些问题的解。进化算法是一类模拟大自然生物进化机制来解决实际优化问题的全局搜索算法,进化算法按照优化目标维数可以分为单目标进化算法和多目标进化算法。现实问题中,绝大部分优化问题都是多目标优化问题,从而多目标进化算法的研究成为进化算法研究的热点之一。随着多目标进化算法研究领域的兴起,人们对多目标进化算法的性能要求越来越高,要求多目标进化算法处理的目标维数也越来越多。然而,随着优化目标维数的增多,多目标进化算法中互不Pareto支配的个体越来越多,这些个体会影响算法的收敛性能和分布性能,不利于决策者作出准确的选择。后来,研究者发现,在多目标进化算法中加入决策者的偏好信息不仅可以减少算法的时间复杂度,还可以提高算法的收敛性能。因此,基于决策者偏好信息的多目标进化算法备受研究者的青睐。在传统的基于参考点为偏好信息载体的多目标优化算法中,参考点在目标空间的不同区域(不可行域、真实Pareto面、可行域)有时会严重影响算法的性能,算法不能准确地获得决策者想要的偏好区域,在高维多目标问题上,基于Pareto支配关系的非支配个体较多,分层选择效果不理想,从而针对以上问题影响算法收敛性能。,本文提出了一种新的基于参考点的偏好多目标进化算法。在该算法中,提出了一个偏好半径选择模型,在模型中,将目标空间划分成偏好区域和非偏好区域,依据两部分区域对种群进行归类,落入偏好区域内的所有个体称为偏好种群,落入非偏好区域内的所有个体称为非偏好种群,如果偏好种群的数量大于进化种群的数量则利用Pareto支配关系对偏好种群进行分层选择,如果偏好种群的数量小于进化种群的数量则依次从非偏好种群中选择离参考方向最近的个体加入偏好种群中直到满足进化种群数量大小为止。将本文算法与g-NGSA-II、r-NSGA-II、a-NSGA-II三种经典的算法进行对比实验,验证了本文算法的性能不受参考点位置的影响,并且算法能找到符合决策者要求的偏好区域,在高维多目标优化测试问题中,本文算法比其他三种算法的综合性能好。

关键词：偏好多目标进化算法参考点决策者偏好区域自适应偏好半径

来源：评论

学校读者我要写书评

暂无评论

基于偏好信息的多目标进化算法及其评价指标的研究

基于偏好信息的多目标进化算法及其评价指标的研究

引用

作者：侯章禄湘潭大学

学位级别：硕士

多目标优化问题是指具有多个优化目标并且目标之间相互冲突的问题,传统的优化方法很难解决这类问题。由于能够得到一组最优Pareto解集,多目标进化算法(MOEAs)被广泛地应用于多目标优化问题。然而,对于决策者或者用户来说,在整个POF上选... 详细信息

多目标优化问题是指具有多个优化目标并且目标之间相互冲突的问题,传统的优化方法很难解决这类问题。由于能够得到一组最优Pareto解集,多目标进化算法(MOEAs)被广泛地应用于多目标优化问题。然而,对于决策者或者用户来说,在整个POF上选择偏好的解决方案存在一定的难度,尤其是随着问题维数和问题复杂度的提高,在不清楚问题特性的情况下,决策者可能做出错误的决定。决策者或者用户希望能够在偏好区域获得偏好解集,因此基于偏好信息的多目标进化算法得到了学术界和工业界的广泛关注,通过引入决策者的偏好信息或者专家知识,基于偏好信息的多目标进化算法能够减少搜索空间和节约计算资源,在偏好信息的引导下,能够减少搜索空间和节约计算资源,最终能够提供给决策者或者用户想要的解决方案。本文针对现有基于偏好信息的多目标进化算法存在的问题,提出了基于偏好信息转化为约束条件的多目标进化算法框架,其基本思想是将决策者或者用户的偏好信息(参考点)转化为偏好约束条件,然后使用经典的多目标进化算法结合约束处理技术来求解多目标优化问题。该方法原理简单,能够嵌入到任何多目标优化问题中,并且对选择的多目进化算法不需要进行复杂的改动。实验表明,本文提出的解决方案操作简单,效果理想,能够满足决策者的需求。另一方面,针对基于偏好信息的多目标进化算法性能评估的不足和困难,提出了一种新的基于参考点的偏好多目标进化算法综合性指标,提出的方法的主要优点是不需要知道真实的POF,主要思想是将偏好解集映射到由参考点和理想点构成的偏好超平面上,然后计算映射点之间最近欧式距离的方差和偏好解集到理想点的距离,前者评价的方面是种群在偏好区域的均匀多样性,后者评价的方面是偏好个体的收敛性。通过在不同测试问题上仿真实验,结果表明,提出的指标能够正确地评估偏好多目标进化算法的性能。

关键词：多目标进化优化偏好多目标进化算法参考点约束支配准则评价指标

来源：评论

学校读者我要写书评

暂无评论

自适应偏好半径划分区域的多目标进化方法

引用

软件学报 2017年第10期28卷 2704-2721页

作者：王帅发郑金华胡建杰邹娟喻果智能计算与信息处理教育部重点实验室(湘潭大学) 湖南湘潭411105 智能信息处理与应用湖南省重点实验室(衡阳师范学院) 湖南衡阳421002 Computer Sciences University of Surrey

偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法.目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差.针... 详细信息

偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法.目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差.针对以上问题,通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法.将所提算法与4种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,所提算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果.

关键词：偏好多目标进化算法参考点自适应偏好半径偏好区域决策者

来源：评论

学校读者我要写书评

暂无评论

基于偏好信息的动态引导式寻优策略研究

基于偏好信息的动态引导式寻优策略研究

引用

作者：贾月湘潭大学

学位级别：硕士

多目标进化算法（Multi-objectiveEvolutionaryAlgorithm，简称MOEA）是伴随着各种各样的优化问题而产生的。近些年，MOEA在优化领域内做出了相当大的贡献，一直是该领域的研究焦点和热点。现实生活中我们经常遇到优化问题，而且通常是... 详细信息

多目标进化算法（Multi-objectiveEvolutionaryAlgorithm，简称MOEA）是伴随着各种各样的优化问题而产生的。近些年，MOEA在优化领域内做出了相当大的贡献，一直是该领域的研究焦点和热点。现实生活中我们经常遇到优化问题，而且通常是对多个目标同时要求优化。例如，一个网店的快速发展中，不仅要考虑生产成本、产品质量、卖家服务态度，而且要注重顾客的满意度以及网店的利润问题等多个方面。服务态度和顾客的满意度是相互促进的关系，而生产成本和产品质量却是相互冲突的两个目标。然而，大多数情况下，往往要对相互冲突的多个子目标进行折衷来得到总体的最优化。对于传统的多目标进化算法而言，是想最终获得每一个子目标都尽量达到最优的总体最优解集，表现在几何图像上的特点是指分布广泛、均匀，这也是目前大部分学者研究的内容。然而在现实生活中我们每一个个体的要求和追求的目标往往是因人而异的，这也就是所谓的个体偏好。在MOEA中，考虑到个人的偏好差异，最后得到最优的决策者满意解集的算法称为偏好多目标进化算法。然而这也就是本文研究的重要内容，偏好多目标进化算法的研究是近几年来进化计算领域的较新的研究方向之一，有着很明确的研究意义。本文提出了一种基于偏好信息的动态引导式多目标寻优策略，该策略通过设置参数来反映搜索过程中引导区域的动态性，参数控制决策者的偏好范围。将解与引导区域的距离作为响应选择策略的一个因素，从而有效地获得决策者期望区域内的折衷解。将动态引导寻优策略应用到经典的算法中，验证它的性能。并通过和一些经典的偏好算法的对比实验，证明该算法具有较好的收敛性和有效性。总的来说，相对比其他算法而言，本文的工作具有一定的创新性，表现如下： 1）提出了新的D-dominance偏好关系，采用划分目标空间的思想，使用参考点表达偏好信息，并采用参考点的映射点再度划分目标空间进行支配关系的重新定义。 2）提出动态引导式寻优策略，提高了算法的全局搜索能力，弥补了支配关系划分空间带来的局限性。通过参数控制决策者的偏好范围，增加了决策者选择偏好解的多样性。另外参数控制引导区域的大小，反映了引导区域的动态性。 3）本文提出的方法具有很强的灵活性，可以应用于多种MOEA中。以NSGA-II算法为例对该方法进行实验和分析，并与g-dominance方法、r-dominance方法进行对比，来证明D-dominance算法具有较好的性能。

关键词：多目标优化偏好信息动态引导决策偏好多目标进化算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：