首页> 中文学位 >使用精英策略的多目标遗传算法的研究
【6h】

使用精英策略的多目标遗传算法的研究

代理获取

目录

文摘

英文文摘

声明

第一章 引言

1.1本文的研究目标

1.2本文的研究背景与研究现状

1.3本文的研究意义

1.4本文的组织结构

第二章 多目标进化算法的相关理论

2.1多目标进化算法简介

2.2多目标进化算法的基本概念

2.2.1多目标优化的基本概念

2.2.2进化算法的基本概念

2.2.3多目标进化算法举例

第三章 算子化研究及新框架的构造

3.1算子化及新框架的构造

3.2 NSGA-Ⅱ算子化

3.3 SPEA2算子化

3.3 PAES算子化

第四章 实验与分析

4.1基准测试集

4.2性能度量

4.3参数实验

4.4不同的多样性保持算子性能比较

4.4不同的精英挑选算子性能比较

4.5在GDE3算法中应用不同多样性保持算子比较

4.5与AbYSS算法比较

第五章 总结与展望

5.1研究内容与贡献

5.1进一步的研究工作

参考文献

附录

致谢

展开▼

摘要

经过二十多年的发展,多目标遗传算法由出现逐渐走向成熟。作为遗传算法的一个重要分支,它不仅在学术上得到广泛的研究,在工程应用领域也受到日益重视。它继承了遗传算法不需要搜索空间的知识或其它辅助信息、易于与并行计算相结合等优点,在解决多目标优化问题上,它克服了传统优化方法固有的需要专家知识以确定权矢量、一次只能生成单个解等缺点,因而受到广泛的重视。
   首先,本文结合jMetal开源框架[1]分析了当前各种多目标遗传算法所共有的一些缺点。为克服这些缺点,本文着眼于基于Pareto优胜关系并且具有精英保留策略的多目标遗传算法,按两个基本性能目标从这类算法分离出相应的两个处理过程——精英挑选算子和多样性保持算子。在此基础上,本文挑选了获得广泛认可和研究的三个算法:NSGA-Ⅱ[2]、SPEA2[3]和PAES[4]作为范例,详述了上述两个算子不同的实现方法。这些对多目标遗传算法的改造都在jMetal框架上获得了实现,并形成了新的接口框架。利用新框架,本文用实验显示了本次研究对算法性能的提升:
   ●可以通过赋予算子参数不同的值,考察不同参数下算法不同的性能结果。
   ●可以设定相同的框架条件,精确比较同一个算子的不同实现方法产生的不同性能,得到不同实现方法之间的优劣关系。
   ●可以直接改造其它多目标遗传算法,即用更好的算子实现方法代替算法原来的实现方法。
   ●还可以对不同的问题选择不同的算子实现方法,以获得最优的性能(在本文的试验中,获得了和最新算法ABYSS[5]可比较的结果)。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号