检索结果-内蒙古大学图书馆

自动化学报 2023年第1期49卷 148-160页

作者：李文桦明梦君张涛王锐黄生俊王凌国防科技大学系统工程学院长沙410073 多能源系统智慧互联技术湖南省重点实验室长沙410073 清华大学自动化系北京100084

多模态多目标优化问题(Multimodal multi-objective optimization problems,MMOPs)是指具有多个全局或局部Pareto解集(Pareto solution sets,PSs)的多目标优化问题(Multi-objective optimization problems,MOPs).在这类问题中,Pareto前沿(Pareto front,PF)上相距很近的目标向量,可能对应于决策空间中相距较远的不同解.在实际应用中全局或局部最优解的缺失可能导致决策者缺乏对问题的整体认识,造成不必要的困难或经济损失.大部分多模态多目标进化算法(Multimodal multi-objective evolutionary algorithms,MMEAs)仅关注获取尽可能多的全局最优解集,而忽略了对局部最优解集的搜索.为了找到局部最优解集并提高多模态优化算法的性能,首先提出了一种局部收敛性指标(并设计了一种基于该指标和改进种群拥挤度的环境选择策略.基于此提出了一种用于获取全局和局部最优解集的多模态多目标优化算法.经实验验证,该算法在对比的代表性算法中性能较好.

关键词：多模态多目标优化局部收敛性进化算法种群多样性

来源：评论

学校读者我要写书评

暂无评论

多模态多目标优化综述

引用

控制与决策 2021年第11期36卷 2577-2588页

作者：岳彩通梁静瞿博阳于坤杰王艳丽胡毅郑州大学电气工程学院郑州450001 中原工学院电子信息学院郑州450007

随着工业生产和日常生活需求的多样化,单个解决方案已经无法满足生产生活的需求.多模态优化可以为决策者提供多个可行方案,但是早期对多模态优化的研究局限在单目标优化中.在多目标优化中也存在多模态优化问题,其存在多个全局或局部帕... 详细信息

随着工业生产和日常生活需求的多样化,单个解决方案已经无法满足生产生活的需求.多模态优化可以为决策者提供多个可行方案,但是早期对多模态优化的研究局限在单目标优化中.在多目标优化中也存在多模态优化问题,其存在多个全局或局部帕累托最优解集,找到这些最优解集具有重大的理论和实际意义.鉴于此,首先,介绍多模态多目标优化问题的特点和求解难点;其次,综述求解此类问题的主要方法,总结这些方法的优缺点;再次,介绍常用的多模态多目标优化标准测试函数集和性能评价指标;最后,给出多模态多目标优化的应用领域及未来的研究方向.

关键词：多模态多目标优化多模态优化测试函数全局优化

来源：评论

学校读者我要写书评

暂无评论

融合聚类和小生境搜索的多模态多目标优化算法

引用

智能系统学报 2023年第5期18卷 1127-1141页

作者：顾清华唐慧李学现江松西安建筑科技大学资源工程学院陕西西安710055 西安市智慧工业感知计算与决策重点实验室陕西西安710055 西安优迈智慧矿山研究院有限公司陕西西安710055 西安建筑科技大学管理学院陕西西安710055

针对多模态多目标优化中种群多样性难以维持和所得等价Pareto最优解数量不足问题,提出一种融合聚类和小生境搜索的多模态多目标优化算法(multimodal multi-objective optimization algorithm with clustering and niching searching,CSSMPIO)。首先利用基于聚类的特殊拥挤距离非支配排序方法(clustering-based special crowding distance,CSCD)初始化种群;引入自适应物种形成策略生成稳定的小生境,在不同的小生境子空间并行搜索和保持等价Pareto最优解;采用特殊拥挤距离非支配排序策略实现个体选优、精英学习策略避免过早收敛。通过在14个多模态多目标函数上进行测试,并与7种新提出的多模态多目标优化算法进行对比实验以及Wilcoxon秩和检验发现,CSSMPIO的总体性能优于对比算法。最后将算法用于基于地图的测试问题,进一步证明了算法的有效性。

关键词：多模态多目标优化鸽群优化算法聚类策略小生境搜索非支配排序精英学习策略多样性地图测试应用

来源：评论

学校读者我要写书评

暂无评论

基于分解的差分进化算法求解多模态多目标优化问题

引用

陕西师范大学学报(自然科学版) 2025年第1期53卷 103-113页

作者：杨雪洲徐伟王琼李龙跃高晓利高富豪四川九洲电器集团有限责任公司四川绵阳621000 西安电子科技大学数学与统计学院陕西西安710126 空军工程大学防空反导学院陕西西安710051

针对多模态多目标优化问题求解时难以获得多个Pareto解集的问题,提出了一种基于分解的差分进化算法。在所提算法中,为了寻找多个不同的Pareto解集,将分配给同一权重向量的多个个体划分成同一子种群。然后,设计了一种环境选择方法定位子... 详细信息

针对多模态多目标优化问题求解时难以获得多个Pareto解集的问题,提出了一种基于分解的差分进化算法。在所提算法中,为了寻找多个不同的Pareto解集,将分配给同一权重向量的多个个体划分成同一子种群。然后,设计了一种环境选择方法定位子种群中等价的Pareto最优解。最后,采用两种差分进化策略更新种群搜索最优解。对IEEE CEC 2019基准测试集的仿真实验结果表明,所提算法在决策空间上具有良好的分布性,且能获得更多的Pareto最优解。

关键词：多模态多目标优化分解子种群差分进化

来源：评论

学校读者我要写书评

暂无评论

多模态多目标优化基准测试集建立及求解方法研究

多模态多目标优化基准测试集建立及求解方法研究

引用

作者：林泓宇郑州大学

学位级别：硕士

实际工程领域涉及大量复杂优化问题，需要在与复杂环境的交互中做出最优决策。随着当前最优化领域研究的深入和算力的提高，优化问题求解参数越来越多，优化目标空间地貌变得更加复杂，且存在多个互相冲突的目标待优化，这类问题被称为... 详细信息

实际工程领域涉及大量复杂优化问题，需要在与复杂环境的交互中做出最优决策。随着当前最优化领域研究的深入和算力的提高，优化问题求解参数越来越多，优化目标空间地貌变得更加复杂，且存在多个互相冲突的目标待优化，这类问题被称为多目标优化问题。实际多目标优化问题包含有多模态特性、含约束特性、含高维决策变量等多种复杂特性，传统算法难以有效求解具有这些特性的优化问题，针对此类问题特性开展研究并设计的算法较少，对可行帕累托最优解集的求解与选择问题有待深入研究。本文以约束多模态多目标优化问题和高维多模态多目标优化问题为研究对象，完成了相关问题的特性分析、标准测试函数集建立、求解策略与新型约束多模态多目标优化算法设计、算法性能验证和应用实践等研究内容，主要研究成果归纳如下:　　1.针对现有约束多模态多目标优化领域缺少基准测试集的问题，依据约束条件与最优解集的关系建立了性质多样、难度不同的约束多模态多目标优化基准测试集设计框架。基于此框架生成了四种类型的测试函数并在本文中设计了十七个测试实例，其目标个数、决策空间维度均可扩展。此外为了更加全面合理地衡量解集的可行性、收敛性和多样性，提出了一个新的性能评价指标。为了求解约束多模态多目标优化问题，保留多个可行的帕累托最优解集，本文还设计了一种基于物种保护机制和改进环境选择机制的多目标差分进化算法。该算法提出了一种改进的环境选择方法，并通过物种保护机制使小生境能够独立进化。通过与约束处理技术的有效结合，不仅有利于种群搜寻可行域而且有助于收敛到多个具有不同收敛难度的约束帕累托最优解集，平衡了种群在决策空间中的可行性、收敛性和多样性。　　2.针对现有基准测试集涉及的决策变量较少且在目标空间中的收敛难度较低，难以有效衡量算法在高维决策空间中的性能表现，建立了可扩展的高维多模态多目标基准测试集。它具有更大的收敛难度并且其内部决策变量不同维度之间具有更复杂的耦合关系，可以更合理地衡量算法的性能表现。为了解决传统多模态多目标优化算法在高维决策空间中搜索能力不足，难以保留多个帕累托最优解集的问题，本文还设计了基于双种群框架的多目标差分进化算法，并提出了一种新的环境选择策略。此算法将原始种群分为两个具有不同任务的亚种群。第一个种群试图在收敛性外部存档的帮助下提高解的质量，而第二个则探索剩余的搜索空间，以保留多个帕累托最优解。此外设计了新的方法来更准确地估计高维决策空间中解的密度，采用了一种考虑解在两个空间中分布的选择准则。这两种策略的结合不仅可以缓解决策空间维度增加时算法性能的恶化，而且可以有效地维持算法的多样性能用于保持多个帕累托最优解集。　　3.针对选址优化问题中的约束多模态多目标应用问题，使用所设计的约束多模态多目标优化算法进行求解。在选址优化问题中，所涉及的约束多模态多目标优化算法可以求得多个可行的最优区域，为决策者提供更多的可行方案，挖掘出了问题潜在的有用信息。

关键词：进化算法目标优化多模态多目标优化标准测试函数选址优化问题

来源：评论

学校读者我要写书评

暂无评论

基于局部中心解聚类的多模态多目标优化算法

引用

计算机科学 2024年

作者：岳彩通叶文豪张颖洁梁静林泓宇郑州大学电气与信息工程学院

在多模态多目标优化问题中，求得多个全局及局部最优解可以为决策者提供更加灵活的选择方案。然而目前大多数多模态多目标算法的研究工作侧重于寻找多个等效的全局帕累托最优解，忽略了同样有保留价值的局部帕累托最优解。基于上述问题... 详细信息

在多模态多目标优化问题中，求得多个全局及局部最优解可以为决策者提供更加灵活的选择方案。然而目前大多数多模态多目标算法的研究工作侧重于寻找多个等效的全局帕累托最优解，忽略了同样有保留价值的局部帕累托最优解。基于上述问题，提出了一种基于局部中心解聚类的多模态多目标优化算法，算法通过局部中心解的选择策略来定位尽可能多的最优区域，然后针对种群在最优区域的不同探索情况设计了两种不同的搜索策略，使得种群可以根据自身情况自适应的选择变异策略，从而对每个最优区域进行更好的开发。在CEC2020多模态多目标测试问题集上进行了测试，结果表明所设计的进化算法在求解含多个全局帕累托解集和同时含全局及局部帕累托解集的测试问题中都表现出了良好的性能。

关键词：多模态多目标优化全局帕累托最优解局部帕累托最优解局部中心解自适应的选择

来源：评论

学校读者我要写书评

暂无评论

基于因果模型和多模态多目标优化的两阶段特征选择方法

引用

陕西师范大学学报（自然科学版） 2023年第5期51卷 25-34页

作者：王逸豪黄敬英范勤勤上海海事大学物流研究中心上海201306 浙江大学医学院附属邵逸夫医院麻醉恢复室浙江杭州310020

特征选择中特征数量和分类精度之间的关系通常可以看作是一个多模态多目标优化问题,但现有大多数多模态多目标进化算法对于高维优化问题的求解存在搜索能力不足的问题。为解决该问题,提出一种基于因果模型和多模态多目标进化算法的两阶... 详细信息

特征选择中特征数量和分类精度之间的关系通常可以看作是一个多模态多目标优化问题,但现有大多数多模态多目标进化算法对于高维优化问题的求解存在搜索能力不足的问题。为解决该问题,提出一种基于因果模型和多模态多目标进化算法的两阶段特征选择方法。在该方法中,首先使用因果模型对数据进行特征选择以便降低问题维度;然后使用多模态多目标优化算法搜索具有多模态特性的特征子集。为验证所提算法性能,它被用于术中低体温风险预测模型的特征选择问题。实验结果表明,提出的两阶段特征选择方法不仅融合了2种不同方法的优点,而且能为术中低体温预测提供更多决策支持。

关键词：因果模型多模态多目标优化特征选择术中低体温进化计算

来源：评论

学校读者我要写书评

暂无评论

基于空间划分的多模态多目标优化算法研究

基于空间划分的多模态多目标优化算法研究

引用

作者：孙有为太原科技大学

学位级别：硕士

多模态多目标优化问题常见于实际应用当中。这类问题存在多个帕累托最优解,它们对应于目标空间中相似或相同的目标函数值。这使得决策空间和目标空间之间形成了一种多对一的映射关系,而不是传统的多目标优化中的一对一关系。因此在解决... 详细信息

多模态多目标优化问题常见于实际应用当中。这类问题存在多个帕累托最优解,它们对应于目标空间中相似或相同的目标函数值。这使得决策空间和目标空间之间形成了一种多对一的映射关系,而不是传统的多目标优化中的一对一关系。因此在解决这类问题时,需要关注的是如何提高决策空间的多样性,从而尽可能找到所有帕累托最优解。针对上述问题,本文对解决多模态多目标问题优化算法进行了深入的研究。具体工作如下: 1.提出了基于环形拓扑的粒子群算法(PSO-RT)。根据随机半径将种群划分为若干个子种群,从而形成环形拓扑结构来加强子种群之间的信息传递。随后,每个个体通过向个体最优位置和领域最优位置进行学习来更新其位置。通过特殊拥挤距离来选择其个体最优位置进行学习以提高算法的搜索能力,并根据权重指标选择其领域最优位置学习以加快种群的收敛速度。在CEC2019基准问题集的22个测试函数上进行的实验结果表明所提算法呈现出良好的性能。 2.提出了基于动态策略的粒子群算法(PSO-DN)。通过动态半径将种群分成多个子种群,然后中心解用于引导每个子种群,从而在搜索过程中提高了局部开采的潜力,在CEC2019基准问题集以及在实际的选址优化问题上的测试结果表明,该算法在求解多模态多目标优化问题上具有较好的竞争力。 3.提出了基于双参考向量引导的进化算法(MMEA-DSRV)。在决策空间和目标空间产生均匀分布的参考向量,通过拥挤度和角度惩罚距离从每个参考向量上选择更好的非支配解存入到存档中。随后根据种群和存档的特殊拥挤度形成交配池,从而产生子代,使决策空间和目标空间的多样性达到平衡。为了能够加快搜索并找到更多的帕累托最优解,在环境选择中使用特殊的拥挤距离和局部收敛质量同时用于选择下一代种群,并在帕累托前沿面上保留潜在的边界解,共同作为下一个父代种群个体。在CEC2019基准问题集以及在实际的选址优化问题上进行了测试验证。实验结果表明,该算法呈现出较好的性能。

关键词：多模态多目标优化粒子群算法环形拓扑特殊拥挤度权重指标角度惩罚距离

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络与多模态多目标优化算法的故障诊断方法研究

基于深度神经网络与多模态多目标优化算法的故障诊断方法研究

引用

作者：杨雄焱山东大学

学位级别：硕士

旋转机械作为现代工业设备的核心组成部分，对其健康状态实施准确及时的监测能够减少危险事故的发生概率，增强生产过程的安全性与可靠性。随着深度学习技术的快速发展，众多学者将其应用到故障诊断领域中。然而，深度学习技术亦存在如... 详细信息

旋转机械作为现代工业设备的核心组成部分，对其健康状态实施准确及时的监测能够减少危险事故的发生概率，增强生产过程的安全性与可靠性。随着深度学习技术的快速发展，众多学者将其应用到故障诊断领域中。然而，深度学习技术亦存在如下缺陷:一方面，深度学习作为一种黑盒模型，其内部机制缺乏透明度，导致诊断结果的可解释性较差;另一方面，深度学习方法作为一种数据驱动方法，其训练需要大量的数据支撑，而机械设备往往长时间处于正常状态，难以采集足量的故障数据，造成了数据不平衡的现象，制约着深度学习技术在故障诊断领域中的进一步发展。为了解决以上问题，本文从智能故障诊断中的数据、特征、模型三个层面出发进行了以下研究:　　在数据层面，数据不平衡问题直接影响着深度学习方法在故障诊断中的泛化性与准确性。生成对抗网络作为解决该问题的常用数据增强方法，其训练十分困难，且容易出现模式崩溃的情况。针对该问题，本文基于扩散模型提出了一种新的数据增强方法，该方法通过模拟物理扩散过程，而不是对抗性训练以生成样本，避免了生成对抗网络所面临的不稳定和模式崩溃问题;同时，本文所提方法利用了逐步扩散和随机抽样的特点，提高了样本生成的真实性和多样性。此外，在模型评价方面，本文构建了一个综合的评价框架以有效、全面地评估数据增强模型的性能。最后，本文通过一个开源数据集和两个真实故障诊断平台对所提方法进行了验证。结果表明，该方法能够生成更高质量的样本，同时在不平衡数据条件下展现了优越的故障诊断性能，其分别在三个数据集下达到了97.00％、96.48％和98.30％的诊断准确率，优于最新的与经典的数据增强算法。　　在特征层面，目前基于深度学习的故障诊断方法，其得到的特征往往存在冗余信息，同时缺乏可解释性。为了提高特征的可解释性，本文采用信号分析方法从原始信号中人工设计并提取特征，这些人工特征具有明确的物理意义。此外，为了消除特征中的冗余信息，本文设计了一种由流形辅助策略与预选择策略构成的多模态多目标算法，其能在特征选择任务中保留潜在等效特征子集，从而为决策者提供更多解释性好、提取难度低的特征子集。为验证所提方法的有效性，本文进行了大量的实验验证:首先，在CEC2019测试函数集下对所提基于流形辅助的多模态多目标差分进化优化(ManifoldAssistantMulti-modalMulti-objectiveOptimizationDifferentialEvolution,MA-MMODE)算法进行实验对比验证。实验结果表明，相比最新与经典的多模态多目标算法，本文所提算法表现出明显的性能优势，充分验证了本文所提算法在解决多模态多目标问题上的有效性;其次，在PT500轴承数据集下通过人工构造特征，并使用MA-MMODE算法筛选具有多模态特性的特征子集进行故障诊断实验。实验结果表明，该方法不仅能有效的判别故障类别，且基于信号分析方法构造的特征能让诊断结果更加可靠;最后，在真实数据集下，本文测试了所提方法的抗噪性能。实验结果表明，相比最新与经典的故障诊断方法，本文方法在不同噪声下均能提供精确的诊断结果，再次验证了本文方法的有效性。　　在诊断模型层面，深度学习故障诊断方法，其通过从数据中抽取深度特征，具有更强的表征能力，能够对数据进行更加抽象与复杂的建模，使得诊断模型具有更好的泛化性与更高的诊断精度;而在经典的机器学习方法中，通常利用专家知识构造特征，具有清晰明确的物理含义，可以使诊断结果具有更好的可解释性。为综合两种特征构造方法的优点，本文设计了一种基于人工特征与深度特征融合的故障诊断算法。首先，人工特征与深度特征在提取完成后进行融合;然后，融合的特征通过多模态多目标优化算法进行特征选择，多模态多目标特征选择算法能够去除融合特征中的冗余信息，同时保留等效的多模态特征供决策者进行决策;最后，为验证所提算法的有效性，在两个真实故障诊断平台上开展了大量的验证实验，所提方法分别了达到了平均96.23％、95.53％的诊断精度。实验结果表明，本文算法既能保持信号分析方法所构造特征可解释性好的优点,同时也能融合深度神经网络模型特征抽取能力强的优势，进一步增加特征的空间可区分性，从而获得更加精确的故障诊断结果。

关键词：多模态多目标优化故障诊断特征选择扩散模型特征融合

来源：评论

学校读者我要写书评

暂无评论

基于并行分区搜索的多模态多目标优化及其应用

引用

计算机科学 2022年第5期49卷 212-220页

作者：李浩东胡洁范勤勤上海海事大学物流研究中心上海201306 上海交通大学电子信息与电气工程学院上海200240

基于分区搜索的多模态多目标优化属于一种决策空间分解策略,因此它具有天然的并行性。为提高求解效率,提出了一种并行分区搜索(Parallel Zoning Search,PZS)方法来辅助多模态多目标进化算法。在PZS中,首先将多模态多目标优化问题的整个... 详细信息

基于分区搜索的多模态多目标优化属于一种决策空间分解策略,因此它具有天然的并行性。为提高求解效率,提出了一种并行分区搜索(Parallel Zoning Search,PZS)方法来辅助多模态多目标进化算法。在PZS中,首先将多模态多目标优化问题的整个决策空间划分为多个子空间,然后利用并行计算技术来实现选定的多模态多目标进化算法在各个子区域内进行并行搜索,最后将所有子空间得到的解集进行合并和选择。为验证所提方法的有效性,文中设计了两组实验:1)在所有对比算法的运行时间相同的条件下进行实验;2)在所有对比算法的函数评价次数相同的条件下进行实验。结果表明,在计算时间相同的情况下,所提方法能够有效提高选定的多模态多目标进化算法在决策空间中所得解集的质量;而在相同函数评价次数条件下,其能够节省计算时间。文中还将与PZS相结合的多模态多目标进化算法用于求解考虑碳排放的海铁联运能耗多模态多目标优化问题,所得结果可以为海铁联运中的环境保护和运输时间问题提供决策支持。

关键词：多模态多目标优化分区搜索高性能计算海铁联运绿色航运

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：