解多目标的最优化问题.docVIP

解多目标的最优化问题 目标函数的更新公式就用了蚂蚁算法里面的更新公式。 搜索过程如下，收敛结果与参考文献相比比较接近，这是我把y的范围从0逐步扩大到1，把每一个点都打印出来的结果图，如果搜索的时候直接在0到1范围内搜索，结果是一样的，不过就没有那么好看的图，因为搜索的点数比较少，如图2 图1y的搜索范围逐步扩大的搜索落点全图 图2 x, y的搜索范围在(0, 1)内的20次迭代搜索图 用哪个图和怎么说使得老师比较容易理解和接受师姐你自己想好了。 附上f1，f2 的搜索结果。数据是搜索范围逐步扩大的每一次迭代的最优值，函数自变量上限从0.1，0.2到1一共10次迭代，每次迭代20次，得20组数据，所以一共有200组数据。记录中，第一列为目标函数值，第二列为x，第三列为y。 由于f1＝x函数的最优点在10的负四次方以下，搜索范围逐步扩大这种做法并不会影响到两个函数同时最优的结果；而且由于收敛范围不存在交集，折中的结果是折中解等于f2的解（我觉得论文还是不提这个，呵呵），算法的性能可以容易求出如下： 实际的最优解为（）。 Error Ratio标准计算出E=0（其实我也不懂了，从实际最优解看出，如果折中解有一个不等于f2 的解，那么E的值就不等于0，因为f1 的解中x2都是任意值。） Spacing标准的计算结果是：向量个数为n＝200时，di 的平均值为0.00713，S=0.05039。 如果向量只取1为上限时的数据，向量个数为20，di 的平均值为0.0004 ，S=0.00135 。 图3逐步搜索得到的迭代末最优点 图4逐步搜索迭代比较过程中的最优点 ?图 图6修改给定更新公式后的20次迭代搜索结果 不知道这样改可不可以，可以的话结果基本一致；不可以的话就没办法了，我们还是用原来蚁群算法的更新公式好了。 第二组函数以f2为主线搜索过程全图 图7函数f2一步搜索全图 图8 f1和f2各自的收敛范围 其中左边红点为f1收敛范围，右边黑点为f2收敛范围。另外，我觉得那个实际解所给出来的范围是有点问题的，x1＝-2.5，2.5=x2=14.79. 函数 f2=9x-(y-1)2 从给出的最优解范围很明显可以看出当x＝-2.5，y＝14.79的时候f2取得最小，但是我搜索的结果得出全局最小的解（在约束范围内） f2＝-245.65899，x＝ -4.82219，y＝ 15.22179 并不在所给的范围之内。 上面给出的图跟参考文献的只能是大致相似，并没有第一组函数那样吻合得相当好。不过我想要是搜索算法不同，搜索过程的点数应该也是不一样的，而且只要非劣解是在约束范围内，就是满足要求的最优解，都是没有问题的。 图9把f2的最优解代入f1取折衷解的收敛过程 图9数据在f2data.txt中，其中第一列是f1的目标函数值，第二列是f2目标函数值，第三列是x，第四列是y。求得向量空间距离分布指标S=9.6692。在求解Error Ration的时候，如果用搜索向量中的y值作为判断是否在实解范围内，则所得到的点中有16590点在范围外，总点数是218000，E＝0.0761。如果同时用x，y作为判断标准，则所得到的点中有 217191在范围外，总点数是218000，E＝0.9963。主要是因为f2的最优解中x的收敛点不在所参考的-2.5附近，只有几个点接近-2.5。如图10描述了-3x-2的最优点（数据在所附的文本f2data-x.txt中）。 图10收敛过程中x接近参考解的点 如果只用图10中的数据以y作为判断标准计算E，则有836点在范围外，总点数是1645，E=0.5082；S=9.6446。两个指标不尽如人意。 是不是很像帽子啊？呵呵 实际应该是这样子，水平轴是代表参数x，垂直轴方向用三种颜色代表不同的函数值，红绿蓝分别代表函数1，2，3。上图是搜索的全部点。 每一轮中每一个区域的搜索最小点如上图，函数1，3都可能收敛到0附近，但是它们不是同时的，函数2最小值是15，这个可以从函数看出来。这些点对应的x，y和f值都记录在fun1data.txt，fun2data.txt，fun3data.txt。excel文件将三个记录文件集中起来并且对每一个函数的记录进行从小到大的排列，最后根据三个函数的值的排列画了变化曲线，但是这里没有做到将某个函数的最优解代进另外一个函数求其次优。 我做得太粗糙了师姐不要见怪，呵呵。 还有我看你给的文章画图是三维的，三维的我不知道怎么画，并且三维的也并不能反映出三个函数最优解和次优解的关系，因此我也不追求三维的图了。似乎多agent的这种群体最优和次优的表达还没有一种更好的方式，既可以看出某个函数的最优，又可以看出它在其他函数中次优的位置。可能这也是值得研究的一个方面。