版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、基于Pareto支配性的多目標優(yōu)化進化算法已經(jīng)成功且廣泛地應用在多目標優(yōu)化領(lǐng)域中。該類進化算法的主要特點就是直接計算和比較兩個候選解的目標函數(shù)值,確定候選解之間的Pareto支配性,評判個體的優(yōu)劣程度,模擬自然界優(yōu)勝劣汰的生存法則,使種群迭代收斂到Pareto最優(yōu)面。但是當采用該類進化算法求解昂貴多目標優(yōu)化問題時,僅僅單次的目標函數(shù)計算就要耗掉數(shù)小時乃至數(shù)天的時間,效率難以接受。因此,減少由評估目標函數(shù)值所產(chǎn)生的計算成本對于工程優(yōu)化十分
2、迫切。
本文研究采用分類學習的方法預測Pareto支配性,避免目標函數(shù)值的計算。為了解決無解析模型的多目標優(yōu)化問題Pareto支配性預測,同時還要反映決策空間到目標空間的映射信息,本文提出了基于廣義回歸神經(jīng)網(wǎng)絡(GRNN)的Pareto支配性最近鄰分類預測方法。將任意兩個可行解(候選解)的決策向量的差值向量作為GRNN的輸入,GRNN的輸出為目標向量的差值向量。在樣本集候選解的監(jiān)督下訓練GRNN,然后采用該GRNN預測待測集個
3、體與樣本集個體間的目標差值向量。通過預測得到的目標差值向量查找到其在樣本集中基于目標空間的最近鄰個體。用不同的測試問題對比了不同的方法,結(jié)果驗證了該方法可以獲得較好的預測精度。
為了克服最近鄰分類方法對Pareto支配性類比例分布不均勻預測精度較低的缺陷,定義了D-Pareto支配性關(guān)系,改善了類比例分布不均勻問題。提出了D-Pareto支配性分類預測框架,從理論上證明了D-Pareto支配性分類預測具有較低的預測錯誤率。將D
4、-Pareto分類預測模型與進化算法進行了交互實驗,仿真結(jié)果驗證了D-Pareto支配性分類預測方法的有效性。
為了節(jié)約計算成本,提出了一種基于最優(yōu)層集合個體方向與距離的方法來評價種群個體的質(zhì)量的算法。在選擇個體進行進化操作和選擇子代種群時均依據(jù)該方法評判個體的適應度。采用經(jīng)典測試函數(shù)對該算法進行仿真測試,同時記錄了算法的運行時間,將結(jié)果與NSGA-Ⅱ進行了對比,比較結(jié)果表明該算法是一種快速收斂的有效算法,且收斂結(jié)果更逼近Pa
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多目標優(yōu)化Pareto支配性預測方法研究.pdf
- 基于Pareto支配的高維多目標進化算法研究.pdf
- 基于Pareto檔案粒子群算法的微電網(wǎng)多目標優(yōu)化.pdf
- 高維多目標Pareto非支配解集快速構(gòu)造方法研究.pdf
- 基于Pareto多目標優(yōu)化的SVM多類分類算法的實現(xiàn).pdf
- 求解Pareto Front多目標遺傳算法的研究.pdf
- 基于Pareto多目標遺傳算法的CMOS運放優(yōu)化設計.pdf
- 基于Pareto最優(yōu)的懸架參數(shù)多目標優(yōu)化.pdf
- 基于預測模型的動態(tài)多目標優(yōu)化算法研究.pdf
- 多目標優(yōu)化的Pareto解的表達與求取.pdf
- 面向復雜Pareto Front問題的進化多目標算法及應用研究.pdf
- 基于Pareto多目標人工蜂群算法的Web服務組合優(yōu)化研究.pdf
- 基于Pareto蟻群算法的多目標電網(wǎng)規(guī)劃研究.pdf
- 基于概率的區(qū)域預測動態(tài)多目標優(yōu)化算法.pdf
- 多目標遺傳算法中非支配集構(gòu)造算法的研究.pdf
- 基于非支配排序遺傳算法的換熱網(wǎng)絡多目標優(yōu)化.pdf
- 42048.基于ε支配的多目標進化算法的研究及應用
- 基于Pareto邊界的多目標調(diào)度研究.pdf
- 改進的非支配排序多目標遺傳算法及應用.pdf
- 基于自適應ε支配多目標遺傳算法的研究.pdf
評論
0/150
提交評論