基于改进的庄家法则和聚类方法的多目标遗传算法的研究与应用

论文摘要

遗传算法最初是由美国的Holland提出的,后经Goldberg总结得出其基本框架结构。它可以解决现实生活中的许多问题,如生产调度问题、组合优化、函数优化、图像处理、机器人学、机器学习、自动控制等。遗传算法在处理单目标问题时得到了很好的应用,但现实中的许多问题需要同时满足多个目标,因此,出现了多目标遗传算法。目前,基于Pareto的多目标遗传算法是一个研究热点,它的主要特征是将Pareto最优融入到选择机制之中。庄家法则是构造Pareto最优解集的高效方法之一。聚类方法是比较好的保持群体多样性的方法之一,它和庄家法则的结合将更好的优化算法的运行结果和运行效率。主要内容包括以下几个方面：1.第一章简单的介绍了遗传算法、多目标优化问题、基于Pareto的多目标遗传算法,并介绍了多目标遗传算法的研究现状及国内外研究状况等。2.第二章介绍了Pareto最优解集和Pareto最优边界的概念以及庄家法则的基本思想等,并通过举例详细地说明了用庄家法则构造非支配集的过程。3.第三章对庄家法则进行了改进,在原有的庄家法则的基础上增加了一个副庄家,参与到每轮的比较中,用以减少比较的轮数。并将其与未改进的庄家法则进行对比,通过实验,证明了改进后的庄家法则的高效性。对聚类方法进行了介绍,并用聚类方法显示了最优解的情况。4.第四章将改进后的庄家法则和聚类方法应用到流水车间调度问题和供水系统中。算法中用聚类方法保持进化群体的多样性,用改进后的庄家法则构造非支配集。实验表明了改进后的庄家法则和聚类方法的结合能取得更好的优化效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 遗传算法简介
• 1.1.1 基本遗传算法
• 1.1.2 遗传算法的运算过程
• 1.1.3 遗传算法与传统的优化算法相比的优势
• 1.2 多目标优化问题
• 1.3 基于Pareto的多目标遗传算法
• 1.4 多目标遗传算法的研究背景及国内外研究现状
• 1.5 论文的主要内容及研究意义
• 1.5.1 论文的主要内容
• 1.5.2 论文研究的意义
• 2 用庄家法则构造Pareto最优解集
• 2.1 基本概念
• 2.1.1 Pareto最优解
• 2.1.2 Pareto最优边界
• 2.2 用庄家法则构造非支配集
• 2.2.1 庄家法则的基本思想及构造非支配集的过程
• 2.2.2 时间复杂度分析
• 2.2.3 实例分析
• 3 基于改进的庄家法则和聚类方法的MOGA
• 3.1 引言
• 3.2 庄家法则的改进
• 3.3 聚类方法
• 3.3.1 基于层次凝聚距离的聚类方法
• 3.3.2 基于聚类的多目标遗传算法
• 3.4 实验
• 3.5 总结
• 4 基于改进的庄家法则和聚类方法的MOGA的应用
• 4.1 在流水车间调度问题中的应用
• 4.1.1 问题描述
• 4.1.2 算法实现
• 4.1.3 实例分析
• 4.1.4 总结
• 4.2 在供水系统中的应用
• 4.2.1 问题描述
• 4.2.2 算法实现
• 4.2.3 实例分析
• 4.2.4 总结
• 结论
• 参考文献
• 致谢
• 作者简介及读研期间发表的论文