基于分解的多目标进化算法和多目标狼群算法的改进

发布时间：2025-03-30 00:44

　　多目标问题广泛存在于科学、工程、经济等领域.随着科技的进步,实际问题越来越复杂,大大增加了求解多目标问题的难度.不同于单目标问题,多目标问题的求解过程更为复杂,更具挑战.因此研究多目标问题的求解算法具有重要的现实意义和理论价值.与传统优化相比,多目标进化算法可以获得均匀分布的非支配解集,且不要求目标函数的光滑性,对解决复杂优化问题发挥着至关重要的作用,因此研究者提出了许多优化算法来求解各种类型的多目标问题,如NSGA-Ⅱ、SPEA2、基于分解的多目标进化算法(MOEA/D)、多目标狼群算法(MOGWO)等.特别地,MOEA/D将进化算法与分解策略相结合,为多目标优化提供了新方向,被广泛应用于不同领域,成为求解多类复杂优化问题的有力工具之一.而MOGWO是一种新兴的群体智能优化算法,模拟了野生狼群的社会阶层、管理模式和觅食行为,参数少,易操作,具有良好的局部搜索和全局开发能力.然而MOEA/D和MOGWO存在种群多样性下降、进化过程缓慢等不足,为改善算法性能,本文通过分析MOEA/D和MOGWO的基本原理,对这两种算法分别进行了改进,主要内容如下:1.针对基于分解的多目标优化算法在整个进化...

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图３．１?Ｆ的变化趋势??

其中ｆｆ和Ｕｍａｘ分别表示当前代数和最大代数，ａ和为参数．不同于文献［４３］中??的参数设置策略，（３．１．２）通过调整参数〇和可使ｆ适合不同的进化阶段或不??同优化问题．图３．１显示了?ａ和取不同值时ｆ的变化趋势．由图３．１可以看出，??当＾和取三组不同值时，Ｆ的初值与下降速度....

图３．２?ＡＳＦ－ＭＯＥＡ／Ｄ对双目标函数求得的Ｐａｒｅｔｏ前沿??２６??

?陕西师范大学硕士学位论文??１?４．?１???■????１４．?，?１???１?．?．?＞?１???

图３．３?ＡＳＦ－ＭＯＥＡ／Ｄ对三目标函数求得的Ｐａｒｅｔｏ前沿??２７??

Ｆｕｎｃｔｉｏｎ?１??（ｅ）?ＺＤＴ６．??图３．２?ＡＳＦ－ＭＯＥＡ／Ｄ对双目标函数求得的Ｐａｒｅｔｏ前沿??２６??

图４．１三维目标空间和它的３个二维子目标空间中的非支配解??如图４．１所示，三维目标空间妒中的六个非支配解分别为三角点、圆点１、??圆点２、方形点１、方形点２和方形点３，记这六个点构成的集合为Ｋ将Ｋ映射??

?（ｄ）目标了２和４上的点??图４．１三维目标空间和它的３个二维子目标空间中的非支配解??如图４．１所示，三维目标空间妒中的六个非支配解分别为三角点、圆点１、??圆点２、方形点１、方形点２和方形点３，记这六个点构成的集合为Ｋ将Ｋ映射??在由ｈ和ｈ构成的二维目标空间中，如图４．１（....

本文编号：4037914