检索结果-内蒙古大学图书馆

作者：徐伟西安电子科技大学

学位级别：硕士

在科学研究和工程实践中存在一类特殊的多目标优化问题,它的多个全局Pareto解集对应同一全局Pareto前沿或同时拥有局部Pareto解集和全局Pareto解集,这类问题被称为多模态多目标优化问题。与其它进化算法相比,现存的多模态多目标进化算... 详细信息

在科学研究和工程实践中存在一类特殊的多目标优化问题,它的多个全局Pareto解集对应同一全局Pareto前沿或同时拥有局部Pareto解集和全局Pareto解集,这类问题被称为多模态多目标优化问题。与其它进化算法相比,现存的多模态多目标进化算法在求解这类问题时,不仅可以定位多个Pareto解集,而且能很好的拟合Pareto前沿。但是,多模态多目标进化算法仍然存在收敛性差、Pareto解集不完整等问题。针对该问题,本文基于进化算法对多模态多目标优化问题的求解展开深入研究,主要工作如下:1.提出基于估计策略的分解多模态多目标进化算法。在算法中,为了寻找多个等价的Pareto解集,将分配给同一权重向量的多个个体划分为同一子种群。然后,设计了一种基于聚类的估计策略以评估Pareto解集个数,并采用两种差分进化策略产生子代搜索最优解。最后,使用环境选择方法动态调整子种群规模以维护种群的多样性。实验结果表明,所提算法性能更优。2.提出基于聚类的和声搜索算法求解多模态多目标优化问题。在算法中,首先,采用改进的和声搜索算法定位多个不同的Pareto解集。同时,使用精英学习策略防止算法过早收敛。最后,采用基于聚类的特殊拥挤度距离排序方法计算个体在决策空间和目标空间中的综合拥挤程度以改善种群的多样性和收敛性。实验结果表明,所提算法不仅在决策空间上具有良好的分布性,而且能获得更多的Pareto最优解。3.针对特征选择中的多模态多目标实际问题,现存的特征选择方法在求解时不仅具有很多的局限性,而且会遗漏一些优秀的特征组合。因此,采用本文所设计的基于估计策略的分解多模态多目标进化算法进行求解。实验结果表明,所设计的算法找到了单模态进化算法遗漏的优秀特征组合,减少了特征提取所需的成本。

关键词：多模态多目标优化和声搜索差分进化特征选择

来源：评论

学校读者我要写书评

暂无评论

求解全局与局部最优解的多模态多目标进化算法研究进展与挑战

引用

北京工业大学学报 2025年 867-882页

作者：吴同轩冀俊忠杨翠翠北京工业大学计算机学院

为了揭示目前求解全局与局部最优解的多模态多目标进化算法研究与发展现状,首先,介绍了具有全局和局部最优解集的多模态多目标优化问题(multimodal multiobjective optimization problem,MMOP),说明了其相关定义和特点;其次,根据现有求... 详细信息

为了揭示目前求解全局与局部最优解的多模态多目标进化算法研究与发展现状,首先,介绍了具有全局和局部最优解集的多模态多目标优化问题(multimodal multiobjective optimization problem,MMOP),说明了其相关定义和特点;其次,根据现有求解该类问题的进化算法思想给出了一种分类体系,并对其中主要方法的技术特点进行了概述;然后,介绍了目前具有全局和局部最优解集的多模态多目标测试函数集,并给出了常用的评价指标;最后,通过分析领域中的挑战性问题,展望了未来多模态多目标进化算法研究的方向。

关键词：多模态多目标优化进化算法分类体系测试函数评价指标特征选择

来源：评论

学校读者我要写书评

暂无评论

进化动态多目标多模态优化

进化动态多目标多模态优化

引用

作者：彭一明南方科技大学

学位级别：硕士

近些年来,多模态多目标优化问题已经成为了一个热门的研究领域。这一类特殊的多目标优化问题的特点是在决策空间中有多个等价的帕累托最优解集,这给算法设计者带来了许多新的挑战。在使用进化算法来处理这类问题时,算法除了需要保证种... 详细信息

近些年来,多模态多目标优化问题已经成为了一个热门的研究领域。这一类特殊的多目标优化问题的特点是在决策空间中有多个等价的帕累托最优解集,这给算法设计者带来了许多新的挑战。在使用进化算法来处理这类问题时,算法除了需要保证种群在帕累托前沿有良好的分布之外,还需要进一步保证种群在决策空间的多样性,以覆盖尽可能多的帕累托最优解集。由于目前多模态多目标优化仍是一个相对较新的研究领域,目前文献中只有少数的算法可以解决这类问题。本论文旨在通过提出几种有效的新方法来填补这一空白。首先,在本文第三章和第四章中,我们在著名的MOEA/D算法的基础上提出了两种新型的基于分解的多模态多目标进化算法。实验结果表明,我们提出的算法在多个测试问题上表现出了良好的性能。其次,本文第五章指出,标准多目标进化算法中估计种群多样性的机制在多模态多目标优化问题上是低效的。我们建议使用引入小生境的机制来缓解这一问题。在前面提到的这些研究工作过程中,我们发现在解决多模态多目标优化问题时,种群在决策空间和目标空间的多样性存在明显的权衡关系。如何在这两个空间的多样性之间取得平衡对于有效解决多模态多目标优化问题是至关重要的。为了解决这个问题,本文第六章中提出了一个基于子集选择的框架来进一步提高已有的多模态多目标优化算法的性能。为了验证本文提出的框架是否有效,我们其整合到了多个前沿算法中。实验结果表明,这些算法的性能得到了明显的提高。最后,本文第七章进一步考虑了多模态多目标优化过程中,环境发生动态变化的情况。这意味着其帕累托最优解集及其帕累托前沿可能会随着时间而发生变化。这种情形在现实世界的应用中并不少见。通过将动态变化的性质引入多模态多目标优化问题中,本文开创性的提出了一类全新的优化问题:动态多模态多目标优化问题。为了促进这一全新领域的算法研究,本文提供了一个构建动态多模态多目标基准测试问题的系统方法。本文还提供了一个易用的基准测试套件,其中包含了 12个具有多种特性的新测试问题。我们相信,本文提供的测试套件可以为研究人员在未来开发解决动态多模态多目标优化问题的高效算法提供帮助。

关键词：进化算法多目标优化动态多目标优化多模态多目标优化测试问题

来源：评论

学校读者我要写书评

暂无评论

基于双变异繁殖和HAD的多模态多目标差分算法

引用

华中科技大学学报(自然科学版) 2025年

作者：王珊珊向思颖王嘉诚曾亮湖北工业大学电气与电子工程学院湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室

为提高多模态多目标算法在决策空间与目标空间性能的平衡性，提出了一种基于双变异繁殖和HAD策略的多模态多目标差分进化算法MMODE＿DM＿HAD。双变异繁殖策略能够为不同等级的个体提供不同的变异策略，以达到种群多样性和收敛性的平衡。... 详细信息

为提高多模态多目标算法在决策空间与目标空间性能的平衡性，提出了一种基于双变异繁殖和HAD策略的多模态多目标差分进化算法MMODE＿DM＿HAD。双变异繁殖策略能够为不同等级的个体提供不同的变异策略，以达到种群多样性和收敛性的平衡。HAD策略根据个体的不同属性分别存档，并依靠多样性准则选择合适的候选解，以实现种群多样性的保持和解质量的提高。将MMODE＿DM＿HAD与其他7种多模态多目标优化算法在14个测试问题上进行对比实验，实验结果表明，MMODE＿DM＿HAD在所有测试问题上的HV值排名第一，在5个测试问题上取得最优的IGDx值，在5个测试问题上取得次优的IGDx值。在保证目标空间性能的前提下，MMODE＿DM＿HAD能够充分地探索决策空间，整体表现优于其他比较算法。

关键词：多模态多目标优化差分进化算法双变异繁殖策略 HAD策略多目标优化

来源：评论

学校读者我要写书评

暂无评论

随机游走和特殊拥挤距离更新的多模态多目标狼群算法

引用

计算机工程与应用 2024年

作者：赵嘉钟劲文肖人彬王晖潘正祥南昌工程学院信息工程学院南昌工程学院南昌市智慧城市物联感知与协同计算重点实验室华中科技大学人工智能与自动化学院南京信息工程大学人工智能学院

针对多模态多目标优化中种群多样性较差和搜索能力不足的问题，提出随机游走和特殊拥挤距离更新的多模态多目标狼群算法(MMOWPA-RSCD)。首先，在游走行为中融入莱维飞行，提出随机游走策略，生成多个随机突变的游走位置，使种群快速跳... 详细信息

针对多模态多目标优化中种群多样性较差和搜索能力不足的问题，提出随机游走和特殊拥挤距离更新的多模态多目标狼群算法(MMOWPA-RSCD)。首先，在游走行为中融入莱维飞行，提出随机游走策略，生成多个随机突变的游走位置，使种群快速跳出局部最优，增强算法的全局搜索能力；其次，设计基于特殊拥挤距离的种群更新机制，利用k-means算法将待更新种群划分为多个子种群以降低整体搜索难度，通过计算各个子种群个体的特殊拥挤距离，保留决策空间和目标空间综合拥挤度较好的解，维持种群的多样性；最后，引入环境选择策略，通过特殊拥挤距离非支配排序筛选优良种群，进一步提升算法的多样性。将MMOWPA-RSCD算法和8种经典以及新近多模态多目标优化算法在13个多模态多目标测试函数进行实验对比及秩均值检验，实验结果表明：MMOWPA-RSCD的总体性能优于对比算法。最后将算法用于栅格地图路径规划问题，进一步验证了算法的有效性。

关键词：多模态多目标优化多目标狼群算法随机游走特殊拥挤距离更新环境选择栅格地图路径规划

来源：评论

学校读者我要写书评

暂无评论

基于决策空间多样性增强的两阶段多模态多目标粒子群特征选择算法

引用

计算机工程 2024年

作者：刘闻凯凌青华王智超江苏科技大学计算机学院

特征选择本质上是一个多模态多目标优化问题，然而，多模态多目标优化算法在直接应用于特征选择时，常常面临冗余特征过多和算法收敛困难等问题。为此，提出了一种决策空间多样性增强的两阶段多模态多目标粒子群特征选择算法。在第一阶... 详细信息

特征选择本质上是一个多模态多目标优化问题，然而，多模态多目标优化算法在直接应用于特征选择时，常常面临冗余特征过多和算法收敛困难等问题。为此，提出了一种决策空间多样性增强的两阶段多模态多目标粒子群特征选择算法。在第一阶段，该算法提出了一种融合互信息的逐层学习领导粒子选择策略，通过这种策略，在保持算法收敛性和分类精度的同时，能够有效地剔除冗余特征。第二阶段引入了一种基于距离多样性和特征频率的粒子速度奖惩机制，以提高决策空间的多样性。该机制通过对全体粒子速度进行自适应调整，使粒子能够更广泛地探索不同的解空间，提高搜索等价特征子集的能力，避免陷入局部最优。在八个规模各异的UCI数据集上和五种多模态多目标优化算法进行对比实验，实验结果表明，该算法不仅表现出更优秀的收敛性和多样性，在不损失分类正确率的同时也搜索到了更多的等价特征子集。

关键词：特征选择多模态多目标优化粒子群算法互信息决策空间多样性增强

来源：评论

学校读者我要写书评

暂无评论

同质学习器的多模态多目标集成优化算法及其应用研究

同质学习器的多模态多目标集成优化算法及其应用研究

引用

作者：胡毅郑州大学

学位级别：博士

集成学习是机器学习研究的热点之一,已有研究结果表明,通过合理组合多个弱学习器可以补偿预测误差并提升学习系统的预测性能,然而如何平衡学习器的准确性、多样性等集成建模需求之间的冲突是当前研究的技术难点。从智能优化的角度,将集... 详细信息

集成学习是机器学习研究的热点之一,已有研究结果表明,通过合理组合多个弱学习器可以补偿预测误差并提升学习系统的预测性能,然而如何平衡学习器的准确性、多样性等集成建模需求之间的冲突是当前研究的技术难点。从智能优化的角度,将集成模型中子学习器的生成过程转化为一个多模态多目标优化问题进行求解时,通过设计性能优秀的多模态多目标优化算法即可解决不同集成建模需求间的平衡难题,最终提升整个学习模型的泛化能力和精度。针对学习器集成优化中存在的寻优能力不足、时效性差以及决策空间维度升高造成的优化难题,本文设计相应的多模态多目标优化算法以及学习器集成策略,并将设计的算法用于求解特征选择问题和电力负荷预测问题。论文的主要工作概括如下:1.针对当前多模态多目标算法在学习器集成优化中的寻优能力不足问题,设计一种自组织映射多模态多目标算法(MMOPIO)。该算法使用自组织映射网络构造小生境以提高算法的搜索能力,通过引入合并算子来精简算法结构并改进鸽群优化算法的搜索机制。此外,MMOPIO还使用特殊拥挤距离来促进目标空间和决策空间的信息交互,同时满足算法在不同空间的进化需求。在特征选择问题中,采用MMOPIO可以生成一系列同时满足准确性和多样性的多模态学习器。根据特征选择问题中的多模态特性,提出一种基于多模态解的集成策略(MS-EnS)用于解决无法获得完整PF或目标空间存在约束区域的学习器集成优化问题。仿真结果表明,所设计的学习器集成优化算法(MMOPIO-ENS)可以得到一个泛化能力更强、预测精度更高的预测模型。2.针对多模态多目标算法在学习器集成优化中时效性差的问题,设计一种基于双档案学习的多模态多目标算法(MMOHEA)。该算法使用两种不同的多样性保持方法来增强搜索能力和多样性保持能力,第一种策略为基于局部搜索策略的竞争粒子群算子,第二种策略为基于边界值反向变异的差分算子,两种算子以基于双档案模型的并行机制运行。MMOHEA不包含小生境参数,并且在种群规模较小的情况下仍能获得较好的效果。该算法还引入高效率非支配排序方法来降低算法的时间成本。在特征选择问题中,根据MMOHEA设计一种更具时效性的学习器集成优化算法(MMOHEA-ENS)来满足准确性和多样性等集成建模需求。基于预测精度最优的原则,设计一种基于预测精度最优区域的集成策略(AP-EnS)来解决PF分布状态明确且偏好预测精度的学习器集成优化问题。仿真结果表明,与其它基于多模态多目标算法的学习器集成优化算法相比,MMOHEA-ENS具有更好的预测精度和运行效率。3.针对决策空间维度升高造成的搜索难度增加、计算效率降低等问题,设计一种基于综合学习的多模态多目标算法(MMOWVA)。该算法使用综合权重向量夹角指标来评估决策空间和目标空间中解集的分布状态,采用转移密度估计策略来增加目标空间的选择压力,通过小生境局部搜索策略和边界值反向变异策略来增强算法的搜索能力,使用双档案并行进化机制和基于交叉树的非支配排序方法来降低算法的时间成本。在高维特征选择问题中,基于MMOWVA设计一种学习器集成优化算法(MMOWVA-ENS)。仿真结果表明,MMOWVA-ENS能够快速地搜索到满足准确性和多样性的学习器来建立集成模型并获得较好的预测精度。在电力负荷预测问题中,设计了一种基于目标空间屈膝点区域的集成策略(KPA-EnS)来满足多种指标值综合最优的建模需求。最后通过在实际电力负荷数据上的仿真实验,验证了 MMOWVA在提升学习器集成模型预测精度方面的有效性。

关键词：智能优化多模态多目标优化进化算法同质学习器集成优化

来源：评论

学校读者我要写书评

暂无评论

基于多模态多目标进化算法的无人机三维路径规划

引用

火力与指挥控制 2023年第11期48卷 32-39页

作者：陈先亮黄元君范勤勤上海海事大学物流研究中心上海201306 嘉兴学院商学院浙江嘉兴314001 上海交通大学电子信息与电气工程学院上海200240

侦察无人机的三维路径规划不仅要考虑续航能力,还要考虑安全性。针对复杂的侦察环境,通过地形建模和威胁建模来模拟侦察无人机的三维飞行环境,并以油耗和威胁作为优化目标,最后使用多模态多目标进化算法来对其进行求解。实验结果表明,... 详细信息

侦察无人机的三维路径规划不仅要考虑续航能力,还要考虑安全性。针对复杂的侦察环境,通过地形建模和威胁建模来模拟侦察无人机的三维飞行环境,并以油耗和威胁作为优化目标,最后使用多模态多目标进化算法来对其进行求解。实验结果表明,对于能耗和危险程度之间的目标冲突,所提算法能够提供多种有效决策支持。另外,当能耗和危险程度相同的情况下,相比于现有研究,可以提供更多等效方案供决策者根据实际环境作出最合适的决策。

关键词：无人机三维路径规划多模态多目标优化多目标优化遗传算法进化计算

来源：评论

学校读者我要写书评

暂无评论

采用进化计算的高维多模态特征选择

引用

西安交通大学学报 2024年第9期58卷 117-128页

作者：丁转莲胡曦曹略孙登第张兴义王晨旭安徽大学互联网学院合肥230039 安徽大学人工智能学院合肥230601 安徽大学计算机科学与技术学院合肥230601 西安交通大学软件学院西安710049

针对特征选择问题中的多模态特性和高维特性,引入新的种群初始化策略对大规模多模态多目标优化算法进行改进,提出了一种基于进化多目标优化的高维多模态特征选择算法。对原始的连续优化算法进行离散化处理,用于评价离散优化问题中的个体... 详细信息

针对特征选择问题中的多模态特性和高维特性,引入新的种群初始化策略对大规模多模态多目标优化算法进行改进,提出了一种基于进化多目标优化的高维多模态特征选择算法。对原始的连续优化算法进行离散化处理,用于评价离散优化问题中的个体,并在6个高维特征选择数据集上进行验证。结果表明:所提算法提升了初始种群的质量并加快了算法的收敛;相比于其他同类算法,所提算法获得了更优的帕累托前沿,其超体积指标值整体最优,并且在不影响分类精度的前提下可获得平均2.53个等效特征子集,表明所提算法具有最好的分类精度和最多样化的等效特征子集。

关键词：分类特征选择进化计算多模态多目标优化高维多模态特征选择

来源：评论

学校读者我要写书评

暂无评论

兼顾全局和局部帕累托解集的多模态多目标差分进化算法研究

兼顾全局和局部帕累托解集的多模态多目标差分进化算法研究

引用

作者：李依然中原工学院

学位级别：硕士

多模态多目标优化问题(Multi-modal Multi-objective Optimization Problems,MMOPs)是指具有多个全局或局部帕累托解集(Pareto Sets,PSs)的多目标优化问题(Multi-objective Optimization Problems,MOPs)。根据全局和局部PS的存在情况,MMOPs可以被划分为两类:1)只具有全局PSs的问题和2)既有全局PSs又有局部PSs的问题。现存的多模态多目标优化算法(Multi-modal Multi-objective Evolutionary Algorithms,MMEAs)大多仅针对第一类问题进行设计,这些MMEAs在面对第二类问题时可能只能找到问题的全局PSs,而无法对问题的局部PSs进行定位和保留。然而,局部PSs在很多场景下对多模态多目标问题的求解有着重要的意义。因此,本文针对同时包含全局和局部PSs的MMOPs进行研究,设计了能够兼顾全局和局部PSs的多模态多目标差分进化算法。具体研究内容如下:1)针对既有全局PSs又有局部PSs的MMOPs,设计了一种基于特殊排序机制的多模态多目标差分进化算法(SSDE-MM)。该机制通过联合全局和局部帕累托等级,实现了对全局和局部帕累托最优解的保留。具体地,通过计算个体的局部帕累托等级判别个体是否具有成为全局或局部最优解的潜力,并对有潜力的个体进行保留;通过计算个体的全局帕累托等级评判个体的真实收敛性,保障收敛速度。另外,设计了精英个体引导的差分变异策略DE/elite/2。该策略通过为每个个体选择合适的精英个体作为向导,引导个体向高质量且稀疏的区域进化,以此来维持种群多样性并生成高质量的子代。最后,在CEC2019测试问题集上的对比实验结果验证了SSDE-MM求解同时包含全局和局部PSs的MMOPs的有效性。2)上述基于特殊排序机制的差分进化算法虽然在维持种群多样性以及搜索和保留全局和局部PSs时表现较好,但该机制会在一定程度上影响算法的收敛性。为了改进算法收敛性能,提出了平衡勘探和开发的两阶段差分进化算法(TSDE-EE)。该算法将整个进化过程划分为勘探和开发两个阶段。在勘探阶段,算法专注于种群的多样性,采用基于聚类的DE/rand/2变异策略生成多样性增强的子代,利用特殊排序机制和基于聚类的特殊拥挤距离方法充分探索整个搜索空间,实现对潜在全局和局部PSs的准确定位;在开发阶段,算法专注于种群的收敛性和分布性,采用基于聚类的DE/best/2变异策略生成收敛性增强的子代,设计了子种群划分策略和子代筛选策略,将勘探阶段找到的全局最优解和局部最优解分别划分到不同的子种群中,使全局最优子种群和局部最优子种群单独进化互不干涉。此外,在开发阶段,为进一步改善种群分布并提高算法性能,设计了一种基于新的拥挤距离计算方式的环境选择方法。实验设计采用CEC2019测试问题集和多边形测试问题集验证所提出的算法性能。实验结果表明TSDE＿EE不仅具有定位并保留全局和局部PSs的能力,还展现出了较好的收敛性与分布性。

关键词：多模态多目标优化局部帕累托集特殊排序机制勘探和开发差分进化

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：