单目标和多目标全局优化算法设计

单目标和多目标全局优化算法设计

论文摘要

优化问题广泛存在于科学研究和工程实践中。由于目标函数和约束条件的复杂性,使得求解全局优化问题变得较为困难,尤其是高维复杂函数的优化仍然是一个公开的难题。对采用常规优化算法不能解决的复杂问题,本文就单目标全局优化问题和多目标优化问题分别给出一种改进算法。在单目标全局优化问题中,介绍了Jones提出的有效全局优化算法(EGO)。在改进算法中,引入了单纯形线性搜索算法进一步搜索拟合函数的全局最优点,以期望增量(EI)最大值点的SCV(Standard cross validate residual)值作为函数拟合好坏的评价标准,并以原问题全局最优点期望增量最大值是趋于0作为终止准则,完善了EGO算法。在多目标优化方面,介绍了Deb的NSGA-II算法。在改进算法中,交叉和变异算子充分利用精英解集,非劣分类排序时考虑非精英解个体周围的拥挤距离,在终止准则上结合Pareto最优解的稳定性,改进措施使算法具有更好的收敛性,最优解集具有分布均匀性,并减少了获得Pareto最优解的进化代数。最后采用EGO算法中的计算机实验设计与分析(DACE)模型,拟合连续的Pareto最优界面取得了很好的效果。计算机数值仿真实验表明两种改进算法具有更多的优势。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究的背景和意义
  • 1.2 全局优化问题的数学模型
  • 1.3 研究现状及进展
  • 1.4 本文的主要研究工作及内容安排
  • 第二章 有效全局优化算法(EGO)及其改进算法
  • 2.1 计算机实验模型(DACE)
  • 2.2 EGO 算法与SEGO 算法
  • 2.2.1 期望增量(EI)
  • 2.2.2 SEGO 算法
  • 2.2.3 SEGO 求EI 最大值点
  • 2.3 数值仿真
  • 2.3.1 函数实验与结果比较
  • 2.3.2 实验结果讨论
  • 2.4 本章小结
  • 第三章 多目标优化算法与NSGA-II
  • 3.1 多目标优化
  • 3.2 遗传算法
  • 3.3 多目标遗传算法常用策略
  • 3.4 Deb 的多目标优化算法(NSGA-II)
  • 3.5 改进Deb 的NSGA-II
  • 3.5.1 累积排序适应度赋值策略
  • 3.5.2 交叉算子
  • 3.5.3 变异算子
  • 3.6 数值实验
  • 3.6.1 无约束多目标优化测试函数
  • 3.6.2 有约束多目标优化测试函数
  • 3.7 性能度量值
  • 3.8 数据结果分析
  • 3.9 本章小结
  • 第四章 稳定性的应用
  • 4.1 终止判断准则
  • 4.2 仿真结果
  • 4.3 DACE 参数模型拟合连续Pareto 最优界面
  • 第五章 结束语
  • 致谢
  • 参考文献
  • 作者在读期间的研究成果
  • 相关论文文献

    • [1].中国财富分布的Pareto拟合与贫富差距变化趋势[J]. 统计与管理 2018(08)
    • [2].历届田径世锦赛中国队成绩“Pareto”分析[J]. 辽宁体育科技 2017(02)
    • [3].用于发酵过程多目标优化的几何支持向量回归Pareto前沿的连续近似方法(英文)[J]. Chinese Journal of Chemical Engineering 2014(10)
    • [4].Pareto严格稳定分布在保险理赔中的应用(英文)[J]. 数学杂志 2015(04)
    • [5].鲁棒优化中的Pareto有效性[J]. 运筹学学报 2018(04)
    • [6].Surrogate-Assisted Particle Swarm Optimization Algorithm With Pareto Active Learning for Expensive Multi-Objective Optimization[J]. IEEE/CAA Journal of Automatica Sinica 2019(03)
    • [7].38例儿童万古霉素不良反应的Pareto最优分析[J]. 儿科药学杂志 2016(12)
    • [8].基于改进Pareto最优算法的海上风电场多目标微观选址规划[J]. 电力建设 2017(04)
    • [9].多目标群体博弈中弱Pareto完美平衡点[J]. 贵州大学学报(自然科学版) 2016(02)
    • [10].一种基于Pareto排序的混合多目标进化算法[J]. 计算机工程与应用 2015(01)
    • [11].Multi-objective optimization of stamping forming process of head using Pareto-based genetic algorithm[J]. Journal of Central South University 2015(09)
    • [12].三参数的Pareto分布顺序统计量的渐近分布[J]. 四川大学学报(自然科学版) 2012(05)
    • [13].基于强度Pareto进化算法的最优潮流[J]. 电测与仪表 2011(09)
    • [14].Multi-objective optimization of membrane structures based on Pareto Genetic Algorithm[J]. Journal of Harbin Institute of Technology 2010(05)
    • [15].Multi-Objective Optimization of Water-Sedimentation-Power in Reservoir Based on Pareto-Optimal Solution[J]. Transactions of Tianjin University 2008(04)
    • [16].Generalized Extreme Value-Pareto Distribution Function and Its Applications in Ocean Engineering[J]. China Ocean Engineering 2019(02)
    • [17].Pareto熵鸡群算法求解多目标柔性作业车间调度问题[J]. 小型微型计算机系统 2017(12)
    • [18].A New Method for Resource Allocation Optimization in Disaster Reduction and Risk Governance[J]. International Journal of Disaster Risk Science 2016(02)
    • [19].多目标拆卸线平衡问题的Pareto人工鱼群算法[J]. 中国机械工程 2017(02)
    • [20].基于Pareto支配法的微电网多目标能量优化短时调度策略研究[J]. 电工技术学报 2016(S2)
    • [21].基于稀疏Pareto搜索的无人机航路规划[J]. 指挥信息系统与技术 2020(05)
    • [22].具有偏序属性的偏爱Pareto占优关系[J]. 计算机学报 2014(09)
    • [23].广义Pareto分布近似广义最小二乘估计[J]. 北京工业大学学报 2012(05)
    • [24].基于财富分布Pareto法则估计我国贫富差距程度——利用随机抽样恢复总体财富Pareto法则[J]. 世界经济文汇 2012(06)
    • [25].逐步增加Ⅱ型截尾下Pareto分布参数的区间估计[J]. 科学技术与工程 2011(11)
    • [26].基于Pareto多目标遗传算法的高压配电网规划[J]. 电气应用 2010(21)
    • [27].混合双参数广义Pareto分布的参数估计[J]. 数学的实践与认识 2009(20)
    • [28].关于Pareto分布的一个综合研究[J]. 河西学院学报 2008(02)
    • [29].基于Pareto遗传算法的多目标优化[J]. 鞍山师范学院学报 2008(04)
    • [30].求解柔性作业车间调度问题的多策略融合Pareto人工蜂群算法[J]. 系统工程理论与实践 2019(05)

    标签:;  ;  ;  ;  

    单目标和多目标全局优化算法设计
    下载Doc文档

    猜你喜欢