中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 韩迎庆西北工业大学 1994年硕士导师: 李为吉共68页

摘要 : 针对若干通用算例对单目标结构优化设计与多目标结构优化设计进行了分析、比较,研究了多目标优化的特点.分析结果表明,多目标优化算法对结构设计是行之有效的,它可以满足结构设计的更高要求.其求解过程直接、简单,可以得到满足多个设计目标的满意解.值... 展开

关键词 : 多目标优化设计

2. 约束多目标优化问题的进化算法研究

[学位论文] 刘翊君西安电子科技大学 2021年硕士导师: 王宇平;蔡文斋共84页

摘要 : 多目标优化问题是科学与工程应用领域常见的问题，比如：地铁线路设计应该如何预先规划路线，才能使建设成本和所耗时间最短；投资领域中多种投资方式如何进行投资组合，才能有效地最小化投资的风险并且最大化投资收益，这类问题都可归类为多目标优化... 展开多目标优化问题是科学与工程应用领域常见的问题，比如：地铁线路设计应该如何预先规划路线，才能使建设成本和所耗时间最短；投资领域中多种投资方式如何进行投资组合，才能有效地最小化投资的风险并且最大化投资收益，这类问题都可归类为多目标优化问题，它广泛地应用于调度、金融投资、自动控制、人工智能等领域，越来越受到学术界和工业界的重视，因此研究多目标优化问题具有重要的理论和现实意义。多目标优化问题包括无约束和约束问题，与无约束多目标优化问题相比，约束条件的限制使约束多目标优化问题的搜索空间更加复杂。比如，当约束条件数目较多时，可行域空间形状变得非常复杂，算法需要去平衡局部搜索和全局搜索；且当存在许多不连通的可行空间时，搜索容易陷入局部最优。同时，随着目标维数的增多，约束多目标优化问题变成超过三个目标的超多目标优化问题，问题的难度逐渐增大，算法性能显著降低，比如，传统的Pareto支配关系会随着目标维数增大而失去选择压力从而导致采用此类关系的算法失效。为克服这些缺点，本文研究约束多目标优化问题和约束超多目标优化问题，并结合国内外研究现状，提出了两类算法，主要完成的工作如下：（一）约束多目标优化需要解决的问题：1、如何设计有效的约束处理机制，利用好不可行解的优势信息。2、如何平衡优化过程中算法的收敛性与解集的分布性。因此作为本文的第一个研究部分，设计一种基于种群分组的约束多目标优化算法。主要有俩点改进：（1）设计一种基于非支配排序分层的自适应分组策略，保证解集的分布性。在目标空间生成均匀权重向量，结合非支配排序分层策略对种群个体进行分组，以每个均匀权重向量为中心进行种群分组，并让种群个体沿着权重向量向PF进化，保证算法的分布性（2）基于精英代表点的新的进化交叉算子，提高算法的搜索能力，加快收敛过程。在种群分组的情况下，在子种群内部找出两个精英代表点，一个精英代表点度量最优目标值，代表着可行解中的精英个体；另一个精英代表点度量约束违反度值，代表着不可行解中的精英个体，并以此构建新的交叉、选择算子，做到充分利用不可行解的优势信息，并加快算法的收敛性。（二）约束超多目标优化需要解决的问题：1、如何设计有效的方法以应对超多目标问题时选择压力不足、PF面表示复杂等问题。2、如何在高维目标空间兼顾算法的收敛性和解集的多样性。作为本文的第二个研究部分，本文就约束超多目标优化中含有冗余目标的问题设计了一种目标缩减的算法，基于谱聚类的删除冗余目标算法ORSC，将含有冗余目标的超多目标问题降维。首先：采样得到数据点。生成分布均匀的采样点，通过给采样点一个极小增量记录目标函数值的变动情况，统计出目标函数的变动情况，获取代表目标函数变动情况的数据点。其次：聚类分析。定义目标相似度，用来度量目标函数间的相关度，其由目标函数的变动情况决定，然后根据目标相似度构建相似度矩阵，并用谱聚类进行聚类划分，划分出相似度高的目标簇。最后：找出冗余目标。根据聚类划分结果找出簇内冗余目标，定义廓度概念，并以此构建删除冗余目标的策略。收起

关键词 : 约束多目标优化超多目标优化进化算法冗余目标

3. 复杂问题的多目标进化优化算法研究

[学位论文] 王晗丁西安电子科技大学 2015年博士导师: 焦李成共169页

摘要 : 多目标优化问题在优化领域中是难以解决的瓶颈问题。多目标进化算法是一类基于种群的自然启发的随机算法，具有单次运行可输出问题解集的优点，因此多目标进化算法蓬勃发展，已成为解决多目标优化问题的主流算法。可是，复杂多目标优化问题仍是多目标... 展开多目标优化问题在优化领域中是难以解决的瓶颈问题。多目标进化算法是一类基于种群的自然启发的随机算法，具有单次运行可输出问题解集的优点，因此多目标进化算法蓬勃发展，已成为解决多目标优化问题的主流算法。可是，复杂多目标优化问题仍是多目标进化算法的挑战。多目标优化问题的复杂性源于两个方面，即决策和目标空间的复杂性。决策变量间的关联增加了问题困难程度，目标空间的高维度使得Pareto支配关系失效，以及目标空间内的观测噪声误导算法。针对以上两类复杂问题，本文进行相关的探索，完成了具有国际同行认可的工作，主要研究成果有: 1.针对决策空间复杂的多目标优化问题，本文提出了一种基于方向向量的多目标协同进化算法。该算法将方向向量概念引入协同进化算法中，首先将整个种群根据目标空间上的初始方向向量将种群划分成若干子群，个体根据其方向向量分配所属子群，然后通过子群间的协同互动求解问题，最后，在欠开发地区内搜索增加多样性。实验结果表明，该算法对于此类问题在收敛性、多样性和均匀性上相比于已有算法具有一定优势。 2.多目标优化问题中决策变量和目标函数间具有复杂的映射关系。通常，一决策变量对不同目标函数的影响不同。因此，这种不平衡映射关系引起了决策空间的搜索冗余。针对这种情况，本文提出了一种基于决策空间维数约减的密母局部搜索策略。该策略首先分析决策变量和目标函数间的映射关系，然后通过所得关系将决策空间划分成若干个子空间，最后在子空间内进行密母局部搜索策略来提高算法性能。此外，该策略可容易地移植到已有多目标进化算法中。实验结果表明该策略可有效提高已有多目标进化算法在具有不平衡映射关系问题上的性能。 3.非支配排序是基于Pareto的多目标进化算法中的重要一步。对于高维多目标优化问题的非支配排序需要更多次比较。为提高其排序速度，本文提出了一种角解优先的排序方法（简称角排序）。角排序首先以一种简单快速的方法从角解中获得一非支配解，然后忽略掉其他解与该解支配掉的解比较。角排序中获得非支配解的方法所需目标比较次数较少，因此可节约比较次数。实验结果表明角排序对高维多目标优化问题相比于已有排序方法所需目标比较次数少。 4.一些高维多目标优化问题的冗余目标间的相关性可能是线性或非线性的。目标约减方法可以有效的降低具有冗余目标的高维多目标优化问题的难度。为此，本文提出了一种基于非线性相关信息熵测度的目标约减方法。该算法采用非线性相关信息熵矩阵测量当前非支配种群作为数据集来分析目标间线性和非线性相关关系，并采用一种简单方法选取最矛盾的目标集合。实验结果表明该算法有助于基于Pareto的多目标进化算法求解具有冗余目标的高维多目标优化问题，却无益于基于指标的多目标进化算法。 5.高维多目标优化问题给多目标进化算法在收敛性、多样性和复杂度方面上都带来了困难，已有算法仅能在其中一方面表现良好。双档案算法是一种包含两个分别针对收敛性和多样性档案且低复杂度的多目标进化算法。为了设计一种在收敛性、多样性和复杂度三方面上具有平衡性能的算法，本文提出了一种针对高维多目标优化问题的双档案算法。该算法分配两个档案不同选择规则，收敛性档案是基于指标的，多样性档案是基于Pareto的。此外，该算法采用一种基于Lp范数距离(p＜1)多样性保持策略针对高维多目标优化问题的多样性。实验表明该算法在高维多目标优化问题上的收敛性和多样性相比以往算法有一定优势，可处理20目标优化问题。 6.描述Pareto前端范围的最底点有助于决策者更准确地输入其偏好信息。然而，高维多目标优化问题的最底点难以获得。为此，本文提出了一种重要区域优先的最底点估计方法。该算法除了保存非支配解集中极点周围个体以外，还均衡保存具有单个目标最优值的重要区域来增加种群的多样性，进而加快收敛速度。此外，该算法采用一种自适应ε-删除策略删除近似个体进一步增强种群多样性。实验表明该算法对10-35目标优化问题的最底点估计优于已有算法。 7.源于目标观测的噪声降低多目标进化算法性能。模型的方法已经用于去噪，但已有方法并没有考虑任何多目标优化问题本身特性。正则模型是一种针对多目标优化问题降维模型。本文通过对正则模型研究发现该模型可高效地求解含噪多目标优化问题，并且可嵌入已有算法中。实验证明多目标进化算法嵌入正则模型后可改善该算法在含噪问题上的性能，却不能改善在无噪问题上的性能。收起

关键词 : 多目标进化算法复杂多目标优化问题高维多目标优化问题

4. 串联式水平圆振动干燥机工艺参数及强度分析

[学位论文] 王学平东北大学 2004年硕士导师: 张振伟共68页

摘要 : 该文以化学原料聚丙烯酰胺为实验材料,利用二次旋转组合设计安排实验,对DZG-22新型串联式水平圆振动干燥机的各个主要输入参数对输出性能的影响进行实验研究,得到了此干燥机的输入输出性能参数的二次回归方程.并以此为模型,对方程进行了单目标和多目标... 展开

关键词 : 多目标优化应变应力 ANSYS

5. 膜计算优化方法研究

[学位论文] 黄亮浙江大学 2007年博士导师: 王宁共177页

摘要 : 膜计算(P系统)是从生物细胞以及由细胞组成的组织和器官的功能与结构中抽象出来的计算模型，它是一种分布式的、并行的、非确定性的理想计算机器。在理论上，许多简单的膜计算理论模型具有与图灵机同等的计算能力，甚至还有超越图灵机局限性的可能。但... 展开膜计算(P系统)是从生物细胞以及由细胞组成的组织和器官的功能与结构中抽象出来的计算模型，它是一种分布式的、并行的、非确定性的理想计算机器。在理论上，许多简单的膜计算理论模型具有与图灵机同等的计算能力，甚至还有超越图灵机局限性的可能。但是鲜有膜计算在实际生产工程中应用的研究成果。本文的主要目的是：在综述膜计算理论的基础上，立足于“实用性”，深入膜计算理论和方法的研究，建立一类膜计算优化模型、算法和策略，促进膜计算应用的发展。本文提出了膜计算优化方法的基本思想；研究了膜计算优化方法的体系结构、规则；提出了单目标、多目标和动态多目标膜计算优化算法；在膜计算理论研究的基础上，将膜计算应用到了控制系统、过程控制等领域。本文的研究内容和主要贡献概括为以下几个方面： (1)将膜计算的研究方向扩展到了优化计算领域，提出了一类求解优化问题的膜计算优化方法的基本思路；受生物细胞不同结构或机理的启发，提出了三种具有不同功能和特点的单目标膜计算优化算法：细胞状的膜计算优化算法、信息冗余的膜计算优化算法和基于收缩与舒展规则的膜计算优化算法。通过仿真计算与其它优化算法进行了对比研究。实验结果证明了所提出的膜计算优化算法可靠性高、收敛速度快和求解的质量好。 (2)提出了两种多目标膜计算优化算法：基于P系统的多目标优化算法(PMOA)和组织型P系统多目标优化算法(TPS)。这两个算法的结构特殊，将整个系统划分为几个子系统，包括单目标优化子系统和多目标优化子系统。进行了多个多目标优化算法的对比仿真实验，研究结果显示所提出的多目标膜计算优化算法收敛快，其解更接近真实的Pareto前沿，而且分布均匀，很好地刻画出了真实的Pareto前沿。 (3)提出了一种动态多目标膜计算优化方法。在此基础上，研究了一种能用于控制时变对象的“膜控制策略”。 (4)将多目标膜计算优化算法用于模拟移动床分离联萘酚对映体过程的操作参数的优化，在大幅提高生产率的同时提高了产品质量。研究了控制器的单目标、多目标和动态多目标膜优化设计问题。分析了设计指标的选取、设计指标以及控制器参数之间的相互关系。将设计结果与用其它方法设计的控制器作了比较，结果凸显了所提出的多目标膜计算优化方法的优越性。收起

关键词 : 膜计算优化算法膜控制策略多目标优化动态多目标优化

6. 约束优化和多目标优化的进化算法研究

[学位论文] 张敏中国科学技术大学 2008年博士导师: 王煦法;罗文坚共132页

摘要 : 现实世界中存在大量的优化问题，特别是在科学研究和工程实践领域，而这些问题往往都带有约束条件，目有时优化问题的目标还不止一个。由于问题自身的不同特点，运筹学中的传统方法已经难以独立解决。进化算法作为一种基于群体搜索的全局优化方法，十... 展开现实世界中存在大量的优化问题，特别是在科学研究和工程实践领域，而这些问题往往都带有约束条件，目有时优化问题的目标还不止一个。由于问题自身的不同特点，运筹学中的传统方法已经难以独立解决。进化算法作为一种基于群体搜索的全局优化方法，十分适合于约束优化问题和多目标优化问题的求解。因此，进化优化研究受到国内外研究者们越来越多的关注，成为目前进化计算领域的研究热点。本论文旨在通过对进化算法进行深入的探索和研究，面向单目标约束优化、多目标优化和多目标约束优化设计高效的进化算法与策略，并进行相应的理论和实验分析。具体而言，本论文的主要研究工作包括以下几个方面： (1) 针对单目标约束优化，为进一步提高对可行解空间进行精确偏向搜索的能力，给出了精确偏向搜索的三个前提条件，并结合随机排序方法提出了一种新的搜索偏向选择策略，以进化策略为基础进行了算法实现。为使进化算法获得可行的全局最优解，分析了在进化过程中如何对待好的不可行解的问题，通过分析随机排序中比较概率对可行解最终位置的影响，提出了一种动态随机选择策略，并以多个体差分进化为框架进行了算法实现，然后讨论了进化过程中比较概率的调整问题。实验结果分别表明了这两种策略的有效性。 (2) 针对多目标优化，通过对模拟二进制交叉算子以及进化策略中的变异和重组算子的对比分析，为稳态多目标进化算法ε-MOEA设计了一种正态分布交叉算子，该算子既具有与模拟二进制交叉算子相当的开发能力，又具有更强的空间搜索能力，实验结果表明该算子明显提高了算法ε-MOEA获得的非支配解集的质量。通过分析算法ε-MOEA中参数ε与非支配解集规模之间的关系，提出了一种新的自适应调整参数ε的策略，并应用于该算法中，实验结果表明了该策略的有效性；另外，讨论了自适应调整参数ε引起的遗传漂移问题，指出了两种情形下的遗传漂移，并给出了相应的解决思路与方案。通过引入归档集合，提出了一种参数ε自适应的稳态ε-MOEA算法，并对该算法的稳态性进行了理论证明；为降低算法的计算量，通过对归档集合设置规模上限并采用先进先出的史新策略，存实验中设计了一种近似稳态算法，并进行了相应的实验比较。 (3) 针对多目标约束优化，为提高边界搜索能力，提出了两种在多目标差分进化中选择当前最优解的模式。为获得了分布性更好的Pareto前沿，借鉴单目标约束优化中Runarsson与Yao的搜索偏向策略，将增强边界搜索的两个模式分别应用于进化多目标约束优化的搜索过程中，提出了一种混合算法DE-MOEA求解多目标约束优化问题，并在12个常用的测试函数上进行了实验。实验结果和分析表明，与求解多目标约束优化问题的经典算法CNSGA-Ⅱ相比，混合算法DE-MOEA具有更好的性能，特别是存扶得的Pareto前沿的分布性上。另外，对混合算法DE-MOEA的参数设置也进行了分析和讨论。本论文通过对进化约束优化和进化多目标优化的研究，设计了面向单目标约束优化的搜索偏向选择策略和动态随机选择策略、面向多目标优化的正态分布交叉算子和参数ε自适应调整策略及参数ε自适应的稳态ε-MOEA算法、面向多目标约束优化的混合差分进化和遗传算法的方法。这些工作不仅对进化优化的研究有着重要的意义，也对进化算法的实际优化应用有着重要的意义。收起

关键词 : 约束优化多目标优化进化

7. 网络计划技术多目标优化及其在武钢高炉改造大修中的应用

[学位论文] 黄新豪武汉大学 1998年硕士导师: 杨应玖共76页

关键词 : 网络高炉改造多目标优化

8. 太阳能集热器的结构分析及优化设计

[学位论文] 谭桂香清华大学 1998年硕士导师: 宋军共68页

摘要 : 该文以太阳能集热器为研究对象,对其结构进行了力学分析,从而找到了解决集热器在高水压下漏水问题的方案,并可降低支撑部件的生产成本.该文对集热器各主要部件的力学分析表明,集热器箱形尾架处过大的变形是漏水的主要原因.箱形尾架的变形主要由承压尾... 展开

关键词 : 集热器尾架隔板多目标优化

9. 复杂多目标优化问题的演化算法研究

[学位论文] 李良昊华中科技大学 2019年硕士导师: 潘林强共53页

摘要 : 多目标优化问题是指同时优化多个目标的优化问题，广泛存在于现实生活和工业应用中，因此快速而有效地求解多目标优化问题在工业自动化和管理决策等领域有着重要的应用价值。随着工业的发展，多目标优化问题的复杂度也迅速增大，现有的各类算法难以满... 展开多目标优化问题是指同时优化多个目标的优化问题，广泛存在于现实生活和工业应用中，因此快速而有效地求解多目标优化问题在工业自动化和管理决策等领域有着重要的应用价值。随着工业的发展，多目标优化问题的复杂度也迅速增大，现有的各类算法难以满足实际需求，本文针对复杂多目标优化问题进行了研究。作为一种启发式随机搜索方法，演化算法近 20 多年来广泛应用于多目标优化问题。但是在处理一些复杂度相对较高的多目标优化问题时，现有的多目标演化算法难以达到令人满意的效果。如在处理高维多目标优化问题时，现有算法难以平衡种群多样性和收敛性，无法获得较好地逼近整个帕累托前沿面的解集；在处理大规模多目标优化问题时现有算法难以收敛，同时计算代价高昂以至于难以承受；在处理具有复杂帕累托解集的多目标优化问题时现有算法在迭代中容易产生大量冗余解，最终无法逼近整个帕累托前沿面。因此，针对这三类复杂度较高的多目标优化问题，本文对这些问题的难点进行了分析并提出了相应的基于演化算法的解决方案。主要研究成果和内容如下设计了一种基于子空间划分的演化算法来解决高维多目标优化问题。在分析高维多目标优化问题的难点和现有算法的局限性之后，使用了基于参考向量的子空间划分方式来平衡算法的收敛能力和多样性维持能力，并在其中采用了一种新的基于区域划分的繁殖池选择策略来保持种群的多样性。在测例集问题上的对比实验表明提出的算法相对于当前具有代表性的高维多目标优化算法有着显著优势。提出了一种基于问题重构的框架来加速大规模多目标优化。在综合分析几类大规模单目标和多目标优化方法的基础上，我们在该框架中使用两个方向向量来引导算法的搜索过程并舍弃了对决策变量进行分组。数据实验表明提出的框架能够显著提高各类算法在大规模多目标优化问题上的搜索效率并缩短计算时间。对于具有复杂帕累托解集的多目标优化问题，提出了一种基于流形学习的杂交限制策略来提升多目标演化算法的性能。基于机器学习中流形学习的思想，提出了一种利用目标空间中解集的结构信息的流形距离计算方法，并在此基础上设计了杂交限制策略。在标准测例问题上的实验证明，提出的方法能够显著减少演化算法中冗余子代解的产生，提高算法效率和性能。收起

关键词 : 多目标优化演化算法高维多目标优化大规模优化帕累托解集决策空间

10. 演化多目标优化：理论、方法及应用

[学位论文] 闫震宇武汉大学 2003年硕士导师: 康立山共72页

摘要 : 该文主要探讨了演化多目标优化的基本理论、方法和应用.首先介绍了多目标优化的基本概念和相关定义,并讨论了解决多目标优化的传统方法及其不足之处.然后介绍了演化多目标优化的基本原理和设计多目标演化算法的基本思想,并讨论了当前主要的几种多目标... 展开

关键词 : 多目标优化问题演化多目标优化多目标演化算法决策精英策略 Pareto最优