导读:本文包含了多目标优化问题论文开题报告文献综述及选题提纲参考文献，主要关键词:火力打击,目标待定,多目标优化,遗传算法
多目标优化问题论文文献综述
宣贺君,向勇,和晓强,刘道华[1]（2019）在《联合火力打击中武器目标分配问题的多目标优化模型及算法》一文中研究指出联合火力打击中确定最优的武器目标分配方案是具有挑战性的问题.为解决该问题,考虑需要在潜在打击目标中确定打击目标,建立了一个以最大化期望毁伤收益和最小化打击成本为目标的多目标优化模型.采用加权求和法以及偏好将多目标优化模型转化为全局约束优化模型.设计了具有较好搜索能力的交叉和变异算子的遗传算法.实验结果表明,所提出的算法可以得到比对比算法更好的分配方案.(本文来源于《信阳师范学院学报(自然科学版)》期刊2019年04期）
邢毓华,刘兴,程绍谦[2]（2019）在《基于太阳能充电站中风光火多目标优化管理问题的研究》一文中研究指出新能源汽车行业的蓬勃发展,带来了新能源汽车充电站的建设和运营相关问题;无人值守是今后所有行业的一个主流趋势,充电站当然也不例外;无人值守的充电站被要求不仅能对站内突发情况自主解决,而且充电站能够充分、合理利用当地电力资源,实现电力资源的合理优化调度;因此文中的重点便是研究如何均衡使用当地已有的电力资源,使得充电站运营成本和电池损耗最小;文中在分析了太阳能充电站的系统功能和运营方式基础之上,建立了该系统接入风力、火力等电力资源的优化调度模型,通过非支配遗传算法NSGA-Ⅱ对多目标函数优化模型进行求解,验证模型的有效性和可靠性,为未来涉及多种电力资源的运营管理问题提供了一条参考途径。(本文来源于《计算机测量与控制》期刊2019年07期）
褚骁庚,马政伟,陈行军[3]（2019）在《面向多目标优化火力目标分配问题的前瞻式边际贪婪算法》一文中研究指出针对现有面向多目标优化的火力目标分配(weapon target assignment,WTA)问题的求解算法相对较少、有关算法的求解效能不稳定等特点,提出了前瞻式边际贪婪构造(look-ahead margin-greedy constructive,LAMGC)算法。首先,对火力目标分配问题的多目标优化模型进行了深入分析,通过定理证明优化了LAMGC算法的求解效率;然后,明确了LAMGC算法具体的求解步骤,分析了算法计算复杂度;最后,以超体积和计算时间为评价指标,通过实验验证了LAMGC算法的合理性和有效性,LAMGC算法很好地满足了轻量型智能作战平台的使用需求。实验数据显示,相比于求解此类问题的有关算法,LAMGC算法具有更高的求解效率、求解质量和求解稳定性。(本文来源于《系统工程与电子技术》期刊2019年10期）
吴烨烨,高尚[4]（2019）在《改进的分布估计算法求解多目标优化问题》一文中研究指出为了进一步提高多目标分布估计算法的收敛性和多样性,提出了一种改进的多目标分布估计算法,其基本思想是:通过正交设计来产生初始化种群,使初始种群均匀地分布在可行解域;引入精英策略,防止最优解的丢失,同时利用小生境技术来维护精英种群,避免早熟现象;加入遗传算法来进化种群,在算法初期使用分布估计算法进行快速的全局搜索,在算法后期则主要利用遗传算法的交叉变异进行局部寻优,增强算法的局部搜索能力。在数值仿真实验中选取4个测试函数进行实验,并同其他算法进行了多方面的比较,结果表明所提算法具有良好的收敛性和多样性。(本文来源于《计算机与数字工程》期刊2019年06期）
黄拉[5]（2019）在《基于改进集的约束多目标优化问题的分离性和最优性》一文中研究指出本文利用像空间分析方法研究了约束多目标优化问题基于改进集定义的最优解的分离性和最优性.首先,介绍了约束多目标优化问题的两个分离函数:一个向量值正则弱分离函数和一个由改进集定义的非线性标量函数构成的标量弱分离函数.其次,利用向量值正则弱分离函数和标量弱分离函数分别建立了约束多目标优化问题的最优解的鞍点型最优性充分条件.然后,本文还得到了约束多目标优化问题的最优解与近似有效解之间的关系.最后,通过约束多目标优化问题的近似像与闭凸锥之间(正则)线性分离的方法,建立了约束多目标优化问题的最优解的鞍点型最优性必要条件.(本文来源于《西南大学》期刊2019-06-05）
李国庆[6]（2019）在《面向复杂多模态多目标优化问题的粒子群算法研究》一文中研究指出在科学研究和工程应用中存在许多复杂的最优化问题,开展复杂最优化问题的研究具有极其重要的理论意义和应用价值。传统的通过建立数学模型或函数表达式求解的方式在求解现实优化问题时遭遇瓶颈,受自然启发的智能算法独辟蹊径。在过去二十多年间,群智能算法有效地解决了一些多模态、多目标优化问题。随着研究的进一步深入,研究人员发现一些特殊的多目标优化问题可能存在多个不同决策向量对应相同的目标函数值,并把这类多目标问题称之为多模态多目标问题。现有的多目标算法注重目标空间的搜索而忽视了决策空间的搜索。为了在决策空间搜索更多的Pareto最优解集,本文借鉴多模态优化问题中的小生境技术和多目标优化问题中的非支配排序方式开展粒子群算法的研究,提出了一种基于多种群和环形结构的粒子群算法MMO_CLRPSO解决多模态多目标优化问题,并通过实验仿真验证所提算法的优越性。论文的主要研究成果和创新点如下:(1)为了提升多模态多目标优化算法的全局搜索能力,本文提出了一种新的聚类算法和带有领导粒子更新机制的全局模式粒子群算法。通过聚类,将种群划分为多个子种群。每一个子种群负责搜索不同的区域,减少因重复搜索导致计算资源的浪费。而带有领导粒子更新机制的粒子群算法在更新粒子时,不仅可以加快种群搜索的收敛速度,而且可以保存大量的Pareto最优解集,提升算法的搜索效率。仿真实验结果表明,引入领导粒子更新机制能够明显改善算法的搜索性能。(2)为了提升多模态多目标算法的局部搜索能力,受多模态优化问题中小生境技术的启发,本文在子种群之间建立环形结构以增强局部搜索能力。通过使用局部模式粒子群算法更新每一个子种群的全局最优粒子,提升子种群的局部搜索能力,保持种群的多样性。同时,Pareto最优解集的分布更加均匀。(3)本文引入一些多模态多目标算法与MMO_CLRPSO比较。实验结果表明,本文提出的MMO_CLRPSO算法的表现明显优于其他对比算法。在决策空间,Pareto最优解集分布更加均匀。在目标空间,MMO_CLRPSO算法的表现与其对比算法不相上下。综合目标空间和决策空间的表现,与目前的多模态多目标算法的对比表明,所提出的算法具有很大的竞争性。(本文来源于《郑州轻工业大学》期刊2019-06-01）
郑再思[7]（2019）在《考虑工人负荷的流水车间多目标优化调度问题研究》一文中研究指出流水车间是指是指有多条生产线均按流水车间的形式布置而形成的生产模式,普遍存在于电缆、家电、汽车制造、钢铁等行业。流水车间调度问题(Flow Shop Scheduling Problem)随着人因工程方法在车间管理中的深入应用,以及企业对职业健康安全管理制度的有效实施,考虑工人负荷对流水车间调度决策的影响,并探索建立相应的优化调度模型及其求解方法,具有重要研究价值和意义,也是对经典流水车间调度问题的有益扩展性研究。论文针对流水车间调度中工人工作负荷不平衡现象,界定了考虑工人负荷的流水车间调度问题的范围及内涵,综合考虑了客户要求、技术要求、资源配置和人因工程等多项影响因素,量化了工人能量消耗对流水车间效率的影响,立足于系统生产效率优先和工人负荷均衡,确定了以最小化所有工件的总延误时间和最小化工人作业分配负荷的标准差为决策目标,考虑了技术约束(加工约束)、顾客要求偏好(交货期)、班组资源约束、工人疲劳约束等,构建了双目标优化调度模型。论文针对模型的求解算法选用和设计问题,阐述了带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)优越性,通过文献分析,给出了选用NSGA-Ⅱ算法的合理性和适用性。结合考虑工人负荷的流水车间优化调度问题描述和决策过程,设计了基于双染色体编码的NSGA-Ⅱ算法。该算法在双染色体编码方式设计、初始种群的生成、适应度函数设置以及非支配排序和拥挤度计算、进化操作五个环节,都进行了重构和实现,最终获得模型的pareto最优解集。论文通过特征算例,进行了模型应用与求解。引入两种嵌入启发式规则的NSGA-Ⅱ-SPT和NSGA-Ⅱ-EDD算法作为对比算法,以分析双染色体NSGA-Ⅱ算法的性能表现。并采用Pareto解的个数N,Pareto前沿解误差比ER,Pareto前沿跨度K和算法运算时间T作为算法性能评价指标。对比分析表明,模型及其算法有效;双染色体NSGA-Ⅱ算法具有较好的求解优势;随着工件数量增加,模型及其双染色体NSGA-Ⅱ算法表现更稳定。(本文来源于《吉林大学》期刊2019-06-01）
陈菁菁[8]（2019）在《面向安全管理和环境友好的工程项目多目标优化问题研究》一文中研究指出随着经济水平的提高和社会发展,我国建筑业快速发展,建设项目规模趋向于大型化、复杂化、系统化,管理水平在项目建设中越发重要。我国工程项目管理水平在吸收世界先进工程管理理念和技术后,快速的发展,通过对理念的提升结合不断创新的方法,局限于工期、成本和质量叁个指标的项目管理已不够全面,已无法满足现在中国建筑行业项目管理的需求。结合我国国情,国内对建筑行业的安全监管以及十六届五中全会明确提出对环境友好社会的建设,安全管理和环境友好的指标在项目建设中愈发重要。为了贴合建筑工程发展现状的要求,对项目实现更全面化、科学化的管理,本文通过对国内外研究现状,技术方法,主要内容的总结,发现当前工程管理研究现状的不足,提出将安全和环境目标引入系统改善方案的重要性。对项目建设管理的安全和环境目标进行量化建模:对安全模型引入网络混联系统工程可靠性,再结合经济学原理来构建;而环境模型则通过各因素分析法构建,并将施工所在地理位置和所在区域的经济水平对环境的影响因素加入模型。对于各分目标模型,本文根据前人的研究综合的选取并加以改善,建立了更全面、更符合现实意义的模型。最后,应用专家评分法对各目标进行层次分析,对各分目标赋权、无量纲处理后建立了总目标方程,将实际案例带入模型进行求解,得出了优化后的施工方案,验证了模型的有效性。对于模型求解,本文选择了发展较为成熟的遗传算法对模型进行求解,并利用Matlab软件对实际案例建模后求解,得出符合案例约束的满意解,同时,通过修改环境模型参数研究了环境模型的参数对整个模型的影响力,得出对于靠近居民聚居区的项目,若想达到环境标准,可选择工期较短的施工方案。此外,本文在基础的GA算法中加入非支配排序和拥挤度将算法进行了改进,对种群进行精英选择,更有效率地得到了更优解。为工程项目管理技术方法提供了参考和借鉴。(本文来源于《新疆大学》期刊2019-05-25）
马玉泉[9]（2019）在《基于遗传算法的离散多目标优化问题研究及其应用》一文中研究指出在科学研究和工程实践中存在着大量多目标优化问题,多目标优化技术能够使相互冲突的多个待优化目标之间根据特定要求达到相互妥协的最优状态,在一些复杂的科学研究和工程实践问题中发挥着重要作用。因此,研究多目标优化算法具有重要意义。本文以离散多目标优化问题为研究对象完成了以下工作:改进得到了一种性能更优的遗传算法。针对第二代非支配遗传算法在收敛性,分布性和计算效率叁个方面存在的不足,改进得到了一种新型遗传算法。其中,在收敛性方面,引入了基于密度的局部搜索策略;在分布性方面,引入了循环拥挤度排序策略;在计算效率方面,引入了帕累托前沿按需分层策略。有效改善了算法的收敛性、分布性和计算效率。提出了一种能够处理决策变量为离散点集形式的多目标离散遗传算法。针对决策变量为离散点集合形式的离散型多目标优化问题做了研究,得到了一种基于最小欧式距离取值策略的离散变量处理方法,使得算法可以真正在离散解空间中寻优,在一定程度上克服了传统算法的缺点,有效提高了算法的优化效率。提出了一种能够处理决策变量为离散区间集形式的多目标离散遗传算法。针对等式约束下决策变量为离散区间集形式的离散型多目标优化问题做了研究,得到了一种基于不可行解的改进二层解修补策略,使得算法可以快速有效地处理等式约束下的离散区间优化问题,在一定程度上克服了传统算法在这方面存在的不足。有效提高了算法的优化效率。将上述得到的离散遗传算法应用在了两个实际工程问题中,并得到了良好的优化结果。(本文来源于《兰州理工大学》期刊2019-05-18）
李进[10]（2019）在《基于进化算法的约束多目标优化问题研究》一文中研究指出在实际生活中,存在着数量可观的多目标优化问题,这类问题往往需要同时优化多个目标,且伴随着许多不同性质的约束条件。在解决该问题的众多算法中,多目标进化算法凭借其较强的鲁棒性、全局搜索等优点被广泛应用,因此也引起了越来越多的学者进行研究。由于约束条件的存在,进化算法需要合理的利用进化过程中产生的可行解和不可行解的信息,引导种群跳过不可行域向最优前沿进化,避免出现陷入局部最优的情况,以此获得较好的收敛性和分布性。因此,本文基于进化算法,选择两种具有代表性的约束处理技术,对算法的收敛性和分布性展开研究。主要研究内容包括以下叁个方面:第一,针对种群寻优过程中出现收敛性和分布性不平衡的问题,提出一种自调节算子及自适应?截断的NSGA-Ⅱ算法。与经典的交叉操作不同,该方法采用正态分布交叉算子,使得算法在具有更广阔搜索空间的情况下,获得较为均匀的子代取值概率,大大减少算法陷入局部最优的情况,起到改善种群多样性的作用。再通过自适应变异算子,建立起变异值与目标函数值之间的联系,根据进化的程度对变异率进行调整,提高算法的收敛性。最后,通过自适应?截断策略,在算法前期引入部分约束违反度较小的不可行解,增加种群的多样性;而在算法后期,?值减小至0,此时种群中个体全部为可行解,促进种群的收敛。以这些策略有效的调节算法的收敛性和分布性。第二,针对以往约束优化算法对优势解和劣势解采用相同的策略,导致算法求解性能差的问题,提出一种两阶段叁存档集的约束优化算法。该方法采用叁个不同存档集来保存种群所产生的非支配解、支配解以及非支配可行解,通过对每个存档集采用不同的优化策略,使得每个存档集达到最优的搜索效率,减少算法进行不必要的交叉和变异。同时,有效的将最优不可行解所提供的信息作为进化方向,充当了算法的引导标志。通过在不同的约束测试函数上进行实验,验证了算法的可行性和有效性。第叁,将所提算法应用到旅行商问题以及车辆路径规划问题中。对于旅行商问题,由经典的路径最短单目标问题,扩展至路径最短和成本最小的多目标问题,同时还加入了软时间窗约束,形成了带软时间窗约束的多目标旅行商问题的新模型。结合本文所提的两阶段叁存档集算法求解Solomon标准测试集,验证了算法良好的性能。对于车辆路径规划问题,基于现实情况考虑,建立的模型为多目标多车辆路径模型,并且在软时间窗的约束条件基础上,增加了车辆超重限制及车辆支出成本限制。结合本文所提的自调节算子及自适应?截断的NSGA-Ⅱ算法求解车辆路径规划问题,验证了算法的有效性。(本文来源于《兰州理工大学》期刊2019-05-18）
多目标优化问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
新能源汽车行业的蓬勃发展,带来了新能源汽车充电站的建设和运营相关问题;无人值守是今后所有行业的一个主流趋势,充电站当然也不例外;无人值守的充电站被要求不仅能对站内突发情况自主解决,而且充电站能够充分、合理利用当地电力资源,实现电力资源的合理优化调度;因此文中的重点便是研究如何均衡使用当地已有的电力资源,使得充电站运营成本和电池损耗最小;文中在分析了太阳能充电站的系统功能和运营方式基础之上,建立了该系统接入风力、火力等电力资源的优化调度模型,通过非支配遗传算法NSGA-Ⅱ对多目标函数优化模型进行求解,验证模型的有效性和可靠性,为未来涉及多种电力资源的运营管理问题提供了一条参考途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多目标优化问题论文参考文献
[1].宣贺君,向勇,和晓强,刘道华.联合火力打击中武器目标分配问题的多目标优化模型及算法[J].信阳师范学院学报(自然科学版).2019
[2].邢毓华,刘兴,程绍谦.基于太阳能充电站中风光火多目标优化管理问题的研究[J].计算机测量与控制.2019
[3].褚骁庚,马政伟,陈行军.面向多目标优化火力目标分配问题的前瞻式边际贪婪算法[J].系统工程与电子技术.2019
[4].吴烨烨,高尚.改进的分布估计算法求解多目标优化问题[J].计算机与数字工程.2019
[5].黄拉.基于改进集的约束多目标优化问题的分离性和最优性[D].西南大学.2019
[6].李国庆.面向复杂多模态多目标优化问题的粒子群算法研究[D].郑州轻工业大学.2019
[7].郑再思.考虑工人负荷的流水车间多目标优化调度问题研究[D].吉林大学.2019
[8].陈菁菁.面向安全管理和环境友好的工程项目多目标优化问题研究[D].新疆大学.2019
[9].马玉泉.基于遗传算法的离散多目标优化问题研究及其应用[D].兰州理工大学.2019
[10].李进.基于进化算法的约束多目标优化问题研究[D].兰州理工大学.2019