基于EDA和人工免疫系統(tǒng)的混合多目標(biāo)優(yōu)化算法.pdf_第1頁
已閱讀1頁,還剩69頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、進(jìn)化算法作為一類元啟發(fā)式搜索算法,已被成功應(yīng)用于多目標(biāo)優(yōu)化領(lǐng)域,發(fā)展成為一個(gè)相對(duì)較熱的研究方向一進(jìn)化多目標(biāo)優(yōu)化。近年來,人工免疫系統(tǒng)、分布估計(jì)算法、協(xié)同進(jìn)化算法在求解多目標(biāo)優(yōu)化問題上表現(xiàn)出了很大的優(yōu)勢(shì),同時(shí),也存在一定的不足,本文對(duì)這些算法進(jìn)行了研究,所做工作包括:
  1、基于規(guī)則模型的分布估計(jì)多目標(biāo)優(yōu)化算法RMMEDA(A RegularityModel-Based Multi-objective Estimation of

2、Distribution Algorithm)是一種分布式估計(jì)算法,它通過建模采樣產(chǎn)生個(gè)體,但沒有利用已找到最優(yōu)解的位置信息進(jìn)行局部搜索。而免疫克隆選擇算法只包括克隆操作、免疫基因操作和克隆選擇操作三個(gè)步驟,忽略了種群內(nèi)部固有的特征信息。為了克服兩者的不足,并結(jié)合它們的優(yōu)勢(shì),提高算法的精度,提出了基于分布估計(jì)算法EDA(Estimation of DistributionAlgorithm)和人工免疫系統(tǒng)的混合多目標(biāo)優(yōu)化算法HIAEDA

3、(Hybrid ImmuneAlgorithm with EDA for Multi-objective Optimization)。該算法首先保留已找到的精英個(gè)體,有指導(dǎo)的進(jìn)行局部搜索,產(chǎn)生部分子代個(gè)體,同時(shí),模擬種群在決策空間的分布,分段建立線性模型,挖掘多目標(biāo)優(yōu)化問題自變量之間的相關(guān)性,通過對(duì)模型采樣產(chǎn)生一部分個(gè)體,兩種方式相結(jié)合完成種群的進(jìn)化。實(shí)驗(yàn)結(jié)果表明,HIAEDA與非支配排序選擇算法NSGAⅡ(improved versi

4、on of non-dominatedsorting genetic algorithm)和RMMEDA相比,在收斂性和多樣性方面均都表現(xiàn)出明顯優(yōu)勢(shì),尤其對(duì)于自變量之間存在非線性關(guān)聯(lián)的復(fù)雜多目標(biāo)優(yōu)化問題,優(yōu)勢(shì)更為突出。
  2、在HIAEDA的基礎(chǔ)上,提出了一種基于多種群協(xié)同進(jìn)化的免疫多目標(biāo)優(yōu)化算法。該算法克服了HIAEDA中進(jìn)化每代都需要對(duì)種群進(jìn)行聚類,算法復(fù)雜度較高的缺陷。通過分解方法將種群劃分為多個(gè)子種群,每個(gè)子種群對(duì)應(yīng)目標(biāo)

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(qǐng)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(qǐng)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論