多目标进化算法及其应用研究应用数学专业论文.docxVIP

摘要 摘要 I 摘要 进化算法的出现为复杂优化问题的求解提供了新的思路，由于它具有智能性、 通用性、稳健性、本质并行性和全局搜索能力，已在各个领域得到了广泛的成功 应用．本文从生物个体与环境、个体与个体之间的竞争与协作关系出发，首先针 对无约束多目标优化问题提出了相应的进化模型与算法，然后分析了已有多目标 进化算法的收敛性。给出了衡量不同算法性能的定量性能指标；考虑到实际问题 往往是带有多约束的优化问题，针对约束优化问题提出了基于双群体的差分进化 算法，并将一种多目标进化算法用于灰度图像和彩色图像的色调处理之中：最后， 给出了一种用来搜寻多蜂函数所有峰值点的有效算法及评价多峰函数优化问题算 法性能的度量方法．本文的主要工作概括如下： 1． 基于生物个体与环境、个体与个体之间的竞争与协作关系出发，提出了两种求 解多目标优化问题的进化算法：基于AER模型求解多目标优化问题的智能微 粒群算法和多目标协同微粒群优化算法．在第一种算法中，基于智能体对环境 的感知和反作用的能力，设计了相应的智能体进化算子以实现智能体间的信息 共享及维持群体的多样性．在第二种算法中，着眼于个体与个体之间的竞争与 协作关系，根据多目标优化问题和微粒群算法自身的特点设计了协同进化算子 以加快算法的收敛速度，同时利用不同群体之间的差异在～定程度上维持整个 进化群体的多样性，避免陷入局部最优．定性与定量比较结果均表明上述两种 算法都能够找到一组范围较广、分布均匀且数量充足的Pareto最优解． 2， 对已有的多目标进化算法的收敛性及算法性能进行了分析与讨论．由于对同～ 多目标优化问题，不同的多目标进化算法求出的结果可能会不相同，为了评价 不同算法对同一问题的优劣程度，给出了衡量不同算法性能的定量性能指标， 克服了已有的算法性能度量方法存在的缺陷． 3．约束优化问题是目前优化算法研究的难点和热点．基于双群体搜索机制分别对 约束多目标优化问题和约束单目标优化问题进行了研究．首先给出一种改进的 差分进化算法，进而提出用于约束优化问题的双群体差分进化算法，所给算法 允许部分性能较优的不可行解被保存下来并参与新个体的生成，从而共享不可 行解的一些有用信息．最后，采用经典测试函数对算法的性能进行了测试，与 目前公认的有效算法的比较结果表明所给算法是有效可行的． 4． 灰度图像和彩色图像的色调处理可等价为～多目标优化问题．由于K—mean算 法具有收敛快的优点但易陷入局部最优，而差分进化算法可避免K-mean算法 陷入局部最优．为此我们将二者相结合，构造了一种基于多目标进化技术的灰 II II 摘要 度图像和彩色图像的色调处理技术，同时在构造初始群体时充分利用已有的先 验知识，使算法以较快的速度收敛于全局最优解，标准图像的测试结果表明算 法是令人满意的． 5． 针对目前多峰函数优化问题仅考虑全局峰值点的不足，基于克隆选择机理给出 了一种可搜索局部和全局峰值点的新颖算法．为了避免不同高度的峰值点被吞 并及保持群体的多样性，算法中设计了相应的克隆选择算子，并对群体规模和 聚类半径采用了自适应调节机制．此外，根据峰值点个数是已知或未给的，分 别给出了评价多峰函数优化算法性能的度量方法，实验结果验证所给算法可定 位绝大部分峰值点． 关键词：多目标进化算法 微粒群算法 AER模型 协同进化算法 约束优化问题 差分进化算法多峰函数优化问题 图像色调处理 ABSTRACTEvolutionary ABSTRACT Evolutionary Algorithm provides new direction to complex optimization problems．Because of its inteHigence，universality,robustness，global search ability and parallelism，it has been widely used in many fields。However,there still exist some open problems in the theories and the applications．This dissertation is focused on the competition and cooperation relationship among biology individuals and environment, individual and individual，and new evolutionary models and algorithms are proposed for multiobjective optimization problems and new perfor