学位论文 > 优秀研究生学位论文题录展示

基于梯度信息的多目标优化算法及应用研究

作　者: 刘趁霞
导　师: 祁荣宾
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: 梯度信息趋利方向选择置点法多目标优化动态多目标优化
分类号: TP18
类　型: 硕士论文
年　份: 2014年
下　载: 37次
引　用: 0次
阅　读: 论文下载

内容摘要

现在对于多目标优化问题的研究,大都是基于进化思想的多目标优化算法。该类算法多是基于Pareto最优概念的类随机搜索算法,较适宜解决多目标问题。但是将该类算法应用于工程实践,特别是在求解大型、复杂的工程优化问题时,庞大的计算量使其应用受到了很大的限制。因此,寻求有效提高多目标优化方法效率的研究显得尤为重要。根据传统进化算法计算速度较慢的特点,论文尝试应用梯度信息来解决多目标优化问题。首先详细介绍了梯度信息相关概念,并将趋利方向推广到多目标优化问题中。本文将利用导数的最速下降法应用于多目标优化问题中,并将趋利方向代替其最速下降方向进行搜索,通过GenMED系列函数和DAM连续缩合优化过程的仿真结果可知,基于最速下降法的多目标优化算法能够很好的解决这类问题。基于梯度信息的算法应用于多目标优化问题,特别是动态多目标优化问题中比较少,并且很难求解其趋利方向,因此本文用导数方向近似为其梯度方向。本文提出的算法基于聚合与分解梯度信息的多目标优化算法,利用新的选择置点法,并基于分解和聚合的思想,选择个体进行两个梯度寻优支路,使种群能够较快的到达最优前沿面。通过ZDT系列函数和DAM连续缩合过程优化中的仿真结果可知,该算法对于解决无约束的多目标优化问题有较快的寻优速度。最后将该算法与传统的带精英策略的非支配排序遗传算法相混合,很好的解决了补料分批生化反应过程的动态多目标优化问题。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-20
  1.1 研究背景与意义  9-10
  1.2 多目标优化问题概述  10-12
  1.3 多目标优化问题数学描述与基本概念  12
  1.4 多目标优化方法的研究现状  12-18
    1.4.1 静态多目标优化算法  13-16
    1.4.2 动态多目标优化算法  16-17
    1.4.3 多目标优化的研究趋势  17-18
  1.5 本文研究内容与安排  18-20
第2章基于梯度信息的多目标优化算法  20-36
  2.1 引言  20-21
  2.2 相关概念  21-31
    2.2.1 单目标优化问题的相关概念  21-23
    2.2.2 多目标优化问题的相关概念  23-29
    2.2.3 多目标优化问题的趋利方向求解  29-31
  2.3 基于梯度的多目标优化算法  31-35
  2.4 本章小结  35-36
第3章基于最速下降法的多目标优化算法  36-46
  3.1 引言  36
  3.2 最速下降法  36-42
    3.2.1 单目标最速下降法  36
    3.2.2 多目标最速下降法  36-40
    3.2.3 基于趋利方向的多目标最速下降法  40-42
  3.4 DAM连续缩合过程的多目标优化  42-44
    3.4.1 DAM连续缩合过程的多目标优化问题描述  42-43
    3.4.2 仿真结果分析  43-44
  3.5 本章小结  44-46
第4章基于聚合与分解梯度信息的多目标优化算法  46-62
  4.1 引言  46
  4.2 多目标优化算法HSMGOA的改进策略  46-50
    4.2.1 单目标梯度寻优支路  46-47
    4.2.2 多目标梯度寻优支路  47-48
    4.2.3 选择置点法  48-49
    4.2.4 求解函数梯度矩阵的方法  49-50
    4.2.5 HSMGOA算法步骤  50
  4.3 HSMGOA算法的基准函数测试和应用  50-61
    4.3.1 评价标准  50-51
    4.3.2 基准函数与仿真结果分析  51-58
    4.3.3 HSMGOA算法应用于DAM连续缩合过程优化  58
    4.3.4 HSMGOA算法应用于补料分批生化反应过程  58-61
  4.4 本章小结  61-62
第5章总结与展望  62-64
  5.1 全文总结  62
  5.2 工作展望  62-64
参考文献  64-70
致谢  70-71
攻读硕士期间完成的论文和参加的科研项目  71

基于梯度信息的多目标优化算法及应用研究

内容摘要

全文目录

相似论文