多目标粒子群优化算法的研究及应用-模式识别与智能系统专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将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、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 在工程问题和实际生活中，一般会碰到很多多目标优化问题，传统的解决方法都存在着 一定的弊端和缺陷。粒子群算法因为具有快速收敛和参数设置简单等特点，因而被广泛利用 来解决多目标优化问题。多目标粒子群优化算法的理论体系并不完善，而且算法存在容易陷 入早熟、收敛精度不高和解集分布不均匀等缺点。本文针对现有多目标粒子群优化算法的不 足提出相应改进的措施和策略，并在机器人路径规划中进行应用。主要研究工作如下： (1) 针对算法容易陷入局部早熟并且跳出早熟的能力不强的问题，本文提出一种高斯扰 动策略，以使粒子群算法在解决多目标优化问题时增强跳出局部极值的能力，有效避免了算 法陷入早熟。结合带惯性权重的粒子群速度更新公式，给出了实现高斯扰动策略的方式。 (2) 提出了一种判断粒子当前收敛状态的方法。粒子群在进化的前后期分别处于不同的 收敛状态，单一的参数选取容易导致群体的进化效率不高。通过判断算法迭代产生的新非支 配解在外部档案中的占优情况来判断粒子当前处于的收敛状态，调节参数，提高群体进化的 效率和精度。 (3) 针对多目标粒子群优化算法收敛精度不高以及解空间分布不均匀的问题，提出了一 种基于粒子收敛状态的惯性权重的自适应策略。该策略可以提高算法收敛的速度和收敛的精 度。 (4)为了保持和提高算法的收敛速度，在外部档案中加入单纯形交叉算子，本文为改进的 多目标粒子群算法加上一定的方向，从而达到了提高算法的收敛速度及准确性的目的。 (5) 将提出的改进的多目标粒子群算法应用到机器人路径规划中，对机器人的任务进行 建模，然后提出目标函数，通过多目标粒子群优化算法获得最优路径，通过与基本多目标粒 子群优化算法的仿真实验对比。 采用了标准的多目标优化问题测试函数集 ZDT 系列和 DTLZ 系列对所提出的算法进行了 验证测试，与基本的 MOPSO 算法及多目标进化算法 NSGA-II 进行对比，实验结果表明，本 文提出的算法能够获得更好的 Pareto 前沿面，能获得更均匀和更精确的非支配解集。在机器 人路径规划问题中，通过对两种不同任务环境的进行仿真实验，与标准的多目标粒子群优化 算法对比表明，改进后的算法更够获得更好的路径。 关键词:多目标优化，粒子群优化，外部档案，惯性权重，高斯扰动，机器人路径规划 I Abstract In real life and engineering problems, in general, will encounter a lot of multi-objective optimization problem, there are some drawbacks and defects when traditional solution be used. The particle swarm algorithm has fast convergence and parameter setting and simple, it is widely utilized to solve the multi-objective optimization problem. The multi-objective particle swarm optimization algorithm theoretical system is not perfect, and multi-objective particle swarm optimization algorithm has easy to fall into premature convergence, accuracy is not high shortcomings r