基于全局優(yōu)化和局部學(xué)習(xí)的進(jìn)化多目標(biāo)優(yōu)化算法.pdf

1、一直以來，最優(yōu)化問題都是科學(xué)研究和工程實(shí)踐的難點(diǎn)和熱點(diǎn)。根據(jù)其所需要優(yōu)化的目標(biāo)函數(shù)的個(gè)數(shù)，優(yōu)化問題可以分為單目標(biāo)優(yōu)化問題和多目標(biāo)優(yōu)化問題。受生物智能啟發(fā)的進(jìn)化算法以種群進(jìn)化的方式不斷逼近最優(yōu)解，具有全局優(yōu)化的能力，能有效的解決大部分優(yōu)化問題。然而，進(jìn)化算法也存在一些缺陷，如收斂速度較慢，運(yùn)行時(shí)間較長等。特別是對(duì)于那些比較復(fù)雜的優(yōu)化問題，進(jìn)化算法通常需要花費(fèi)足夠長的搜索時(shí)間才能獲得較為滿意的解。結(jié)合高效的局部學(xué)習(xí)策略，提高進(jìn)化算法求解問題

2、的性能，是一個(gè)值得研究的重要方向。針對(duì)單目標(biāo)優(yōu)化問題，已經(jīng)存在大量的混合優(yōu)化算法。本論文的主要研究目的就是將局部學(xué)習(xí)策略引入到多目標(biāo)優(yōu)化算法中，設(shè)計(jì)更高效的算法，并應(yīng)用于實(shí)際問題。論文的主要成果概括如下:
　　(1)針對(duì)進(jìn)化多目標(biāo)優(yōu)化算法存在的收斂速度較慢的缺陷，提出了一種新的基于鏈?zhǔn)骄植克阉鞯幕旌隙嗄繕?biāo)優(yōu)化算法。在該算法中，設(shè)計(jì)了基于鏈?zhǔn)揭?guī)則的局部搜索策略，其中，局部搜索的參數(shù)，如步長，成功率等被編碼在個(gè)體中，因而，這些參數(shù)能夠

3、在局部搜索執(zhí)行完后得到保留，進(jìn)一步提高了局部搜索的效率。在選擇個(gè)體執(zhí)行局部搜索時(shí)，采用了基于多樣性的選擇機(jī)制，在一定程度上避免了局部搜索帶來的多樣性損失。此外，設(shè)計(jì)了計(jì)算資源的自適應(yīng)分配策略用來平衡全局優(yōu)化和局部學(xué)習(xí)。對(duì)比實(shí)驗(yàn)的結(jié)果表明，局部搜索的策略的引入能夠有效的提高進(jìn)化多目標(biāo)優(yōu)化算法的性能。
　　(2)受博弈論中多臂老虎機(jī)選擇策略的啟發(fā)，提出了一種自適應(yīng)多密母算法用于求解單目標(biāo)柔性作業(yè)車間調(diào)度問題。該問題是一個(gè)極為復(fù)雜的離散

4、組合優(yōu)化問題，傳統(tǒng)的數(shù)學(xué)規(guī)劃方法很難得到有效解，而進(jìn)化算法又很難在一定的時(shí)間內(nèi)獲得滿意解。因此，越來越多的研究者傾向于使用混合算法。面對(duì)眾多的局部搜索策略，如何選擇出適合當(dāng)前求解問題的策略是設(shè)計(jì)算法的一個(gè)難點(diǎn)。我們設(shè)計(jì)的自適應(yīng)多密母算法提供了一種自適應(yīng)選擇策略，能夠在算法運(yùn)行的不同階段自動(dòng)選擇搜索算子。具體的，該自適應(yīng)選擇策略利用一個(gè)長度有限的滑動(dòng)窗口記錄不同搜索算子當(dāng)前的搜索效果，然后基于這些效果去指導(dǎo)后續(xù)的算子選擇。在多個(gè)標(biāo)準(zhǔn)測試數(shù)

5、據(jù)集的對(duì)比實(shí)驗(yàn)結(jié)果表明，相對(duì)于現(xiàn)有的代表性算法，該算法能夠獲得更優(yōu)的效果。
　　(3)針對(duì)傳統(tǒng)推薦算法僅僅致力于提高推薦準(zhǔn)確率這一目標(biāo)的不足，提出了一種基于多目標(biāo)優(yōu)化的個(gè)性化推薦算法。在算法中，物品推薦問題被建模成一個(gè)多目標(biāo)優(yōu)化問題，優(yōu)化的兩個(gè)目標(biāo)為準(zhǔn)確率和多樣性。其中，為了度量物品推薦的準(zhǔn)確率，使用了概率傳播算法，而多樣性的度量使用的是覆蓋率這一指標(biāo)。針對(duì)建模后的優(yōu)化問題，設(shè)計(jì)了合理而有效的個(gè)體編碼和相應(yīng)的遺傳操作算子。特別的，

6、在設(shè)計(jì)的個(gè)體編碼中，多個(gè)用戶的推薦結(jié)果被編碼在同一個(gè)個(gè)體里。因此，通過求解該問題，算法能夠在一次運(yùn)行中給多個(gè)用戶提供多組推薦。為了提高算法效率，還使用聚類算法將用戶劃分為相對(duì)較小的集合。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
　　(4)針對(duì)標(biāo)簽系統(tǒng)的特性，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的推薦算法。在標(biāo)簽系統(tǒng)中，用戶可以用任何詞匯去描述或者評(píng)價(jià)物品，不再拘泥于固有的等級(jí)評(píng)分機(jī)制。然而，這些詞匯給可能給標(biāo)簽信息帶來困難，如導(dǎo)致標(biāo)簽信息的冗余性或多義

7、性等。如何處理標(biāo)簽信息成為算法設(shè)計(jì)的難點(diǎn)?；谶@個(gè)難點(diǎn)，我們通過引入深度神經(jīng)網(wǎng)絡(luò)構(gòu)建了一個(gè)新的推薦算法。首先，算法將標(biāo)簽系統(tǒng)中，用戶、物品之間三維關(guān)系轉(zhuǎn)換為兩個(gè)二維矩陣，獲取每個(gè)用戶基于標(biāo)簽的信息。接著，利用稀疏自動(dòng)編碼器這一深度網(wǎng)絡(luò)模型從這些信息中提取出新的特征。相對(duì)于初始的特征，這些特征不再稀疏，且更具有代表性。最后，基于這些特征，利用協(xié)同過濾算法產(chǎn)生推薦結(jié)果。在兩個(gè)網(wǎng)絡(luò)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，相對(duì)于原始的協(xié)同過濾算法和基于聚類的協(xié)同