多目标进化算法中变异算子的研究计算机应用技术专业论文.docxVIP

湘潭大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 I I 摘 要 现实生活中的许多实际问题，都是对多个目标的同时优化，同时这些问题通 常又是高度复杂的，非线性的。通常称这类问题为多目标优化问题。多目标进化 算法( Multi-Objective Evolutionary Algorithms，MOEAs)非常的适合于求解这类的 问题，已成为多目标优化问题的主流解决方法之一。近年来，研究者们针对不同 的应用问题，提出了自己的多目标进化算法，比较有代表性算法有：NSGA-II， SPEA2，PESA-II 等。 变异算子在进化算法中起着非常重要的作用，研究者做了大量的理论和实验 研究。进化算法通过引入变异算子，使算法具有一定的局部随机搜索能力，一方 面，在求解的后期，加速向最优解收敛，另一方面维持解的多样性。然而，在多 目标进化算法中，研究者们的注意力主要集中在构造非支配集、适应度赋值、种 群维护等问题上，关于多目标进化算法中的基本进化操作算子的研究不多，特别 是变异算子，大多使用 Deb 提出来的多项式变异算子。 本文针对多目标进化算法中的变异算子展开研究，主要工作包括以下两个方 面： 第一，将单目标进化算法和进化策略中一些有效的变异算子引入多目标进化 算法，然而，多目标优化与单目标优化在求解问题的规模、最优解的数量等方面 有很大的差异，频繁的变异越界操作导致种群多样性的丧失，提出了一种适应于 多目标环境的变异越界处理策略以维护种群的多样性，成功的将这些变异算子应 用到多目标进化优化问题中，最后通过一组实验比较了它们的收敛性能。 第二，提出一种改进的变异和分布性保持策略的多目标进化算法。首先提出 一种将均匀变异、高斯变异和柯西变异相结合的一种混合变异策略，在全局搜索 和局部搜索进行平衡以获得更好的收敛性，其次针对 NSGA-II 利用聚集距离来 保持分布性存在的缺陷，提出了一种基于动态阈值的修剪策略，对每一层个体分 布密集的区域进行修剪，使得分布性好的个体有更大的生存机会。通过一组实验 说明改进算法的收敛性和分布性都取得了较好的效果。 关键词：多目标优化；多目标进化算法；分布性；收敛性；变异算子 II II Abstract In daily life, many practical problems usually optimize several objectives simultaneously, as well as being highly complex and non-linear. These kinds of problems are called multi-objective optimization problems (MOPs). Multi-Objective evolutionary algorithms (MOEAs), which are greatly adapted to solve these kinds of problems, becomes the mainstream method to solve such problems nowadays. In recent years, researchers propose some MOEAs for different application problems, such as NSGA-II, SPEA2 and PEAS-II.. The mutation operators play a very important role in evolutionary algorithm, and researchers have done a lot both on theory and experimentation. The algorithms possess a certain extent local random search by mutation