用多目标进化算法搜索MOPs的鲁棒Pareto最优解

 搜索鲁棒Pareto最优解是多目标进化算法(MOEA)研究的一个重要方面.目前,优化"原目标函数"的传统MOEA与基于"有效目标函数"的MOEA (Eff-MOEA)在搜索鲁棒Pareto最优解时都易丢失某些性质的解.为解决这一缺陷,本文定义了一种新的鲁棒Pareto最优解,提出了一种新的搜索鲁棒Pareto最优解的MOEA(MOEA/R),MOEA/R将多目标鲁棒优化问题(MROP)转化成两目标问题来优化,一个目标为解的质量,另一个目标为解的鲁棒性,每一目标均对应一子优化问题.通过与NSGA-Ⅱ及Eff-MOEA的对比分析,结果表明MOEA/R的结果较好,更重要的是本文探索了一种新的搜索鲁棒Pareto最优解的思想.     

一种基于粒子群算法的螺旋迭代模型研究

实际工程优化过程中,对于多个目标的优化与求解最优值是值得研究的一个问题。文章基于粒子群算法研究多目标优化问题,实现二维多目标搜索,运用粒子群多目标求解模型迭代实现动态多目标搜索,最终得到非劣解在目标空间中的分布,构成了Pareto面,得到非劣解集,在实际问题中,提供最优解的备选,为工程实践优化和筛选最优解问题提供参考依据。     

基于两阶段启发式算法的Web服务组合优化

保证QoS约束的Web服务组合优化问题是一个多目标多选择的问题,是NP难的,很多工作都是关于如何设计一种有效的优化算法展开的.本文提出了一种两阶段的启发式算法,利用遗传算法和蚁群算法相互融合的策略,实现这两个算法的优势互补,通过优化多个目标函数,获得一组满足约束条件的Pareto最优解.仿真实验说明的算法的可行性和有效...     

基于粒子群算法的钻进参数多目标优化

为了使钻进过程达到最优,提出了基于机械钻速、钻头寿命和钻头比能的钻进参数多目标优化模型。参考典型的多目标优化进化算法NSGA-Ⅱ,提出了一种多目标粒子群算法(MOPSO)。采用一个钻进参数优化实例对优化模型和算法进行检验,得到分布均匀的Pareto最优解,一些最优解与传统的钻进参数单目标优化的解近似;讨论了算法中的种群规模、迭代次数和外部档案规模三个参数,得到一组兼顾解质量和计算时间的参数值,其计算时间的统计结果证明模型和算法满足钻进参数动态优化的要求。     

基于合作模型的协同免疫多目标优化算法

本文针对多目标优化问题Pareto最优解集合(PS)的分布特点,构造了一种基于新的子任务划分方法的合作型协同进化模型,并将该模型引入人工免疫系统中,提出了一种基于合作模型的协同免疫多目标优化算法(A Cooperative Immune Coevolutionary Algorithm for Multiobjective Optimization,CICAMO).CICAMO算法运用Tchebycheff分解方法进行子种群划分,然后对各个子种群建立线性概率统计模型分段逼近整个PS,在抗体繁殖上结合了克隆选择和模型采样两种方式.实验结果表明,CICAMO算法在求解质量和收敛速度上均表现良好,尤其对于决策变量非线性相关的多目标优化问题,性能尤为突出.     

基于GA的系统冗余可靠性设计多目标优化模型

系统冗余可靠性多目标设计是一个复合最优化问题。传统的用于解决此类问题的方法，如拉格朗日乘子法、动态规划法、直接寻查法等，在系统单元较多的情况下存在着计算量大、难以获取全局最优解等问题。针对此问题，本文建立了基于遗传算法（GA）的系统冗余可靠性设计的多目标优化模型，该模型可在系统可靠性约束条件下，使系统的成本费用、体积、重量等指标达到最优设计。     

面向目标参数估计的雷达低峰均比稳健波形设计

针对目标和杂波先验知识不准确时面向目标参数估计的雷达波形设计问题，同时兼顾功率放大器对低峰均比(PAR)波形的需求，该文提出一种信号相关杂波背景下雷达低PAR稳健波形设计方法。首先，以最大化互信息(MI)为优化准则，构建了估计波形优化模型；接着，通过提取协方差矩阵特征值，构建了关于目标和杂波矩阵的不确定集模型；然后基于极大极小化准则，将关于矩阵的非凸优化问题转化为关于特征值的凸问题；最后，基于序列线性规划方法给出了波形的优化解。分析表明，所提方法产生的波形具有较好的有效性和稳健性能。     

高光谱图像Pareto优化稀疏解混

高光谱解混是学术界的一个难题,稀疏高光谱解混指的是利用已知光谱库进行解混,旨在从先验光谱库中找到一些可以表征图像的数个纯光谱向量作为高光谱图像的端元,并利用这些端元求解相应的端元丰度,这是一个NP难的组合优化问题。目前多通过将L0范数凸松弛为L1范数进行稀疏解混,但该方法得到的仅仅是近似解。文中提出了一种基于Pareto优化的稀疏解混算法（ParetoSU）,将稀疏解混问题转化为一个两目标优化问题,其中一个优化目标是建模误差,另一个目标是端元稀疏度。ParetoSU直接解决稀疏解混中的组合优化问题,不需要对L0范数进行近似。最后利用仿真数据验证了该解混算法的有效性。     

偏好MOEA/D算法的研究与实现

在科研和工程实践中存在着很多需要同时优化的两个或多个相互冲突的多目标优化问题。多数情况下,人们使用多目标优化是为了寻求某一特定方向的Pareto解,但传统的优化方法只能得出分散的全部解集,不利于辅助决策。为此,提出一种带偏好的多目标优化算法(即偏好MOEA/D算法),该算法的核心思想是将一个多目标优化问题分解成多个单目标优化问题并同时优化,在子问题通过相邻子问题信息优化的过程中加入使用者偏好,最终得到方向明确的Pareto解集。经仿真验证,该算法具有突出的求解性能,便于辅助决策,且有较高的有效性和可拓展性。     

基于模糊RBF神经网络的冗余机械手运动学逆解

利用模糊RBF神经网络对冗余机械手的运动学逆解函数逼近进行研究，为解决冗余度引起的多解问题，文中提出了关节最佳柔顺性附加准则，并将多目标多参数优化问题转化为单目标单参数优化问题，使网络训练数据能顺利得到。仿真所得结果令人满意，证明了本文的方法行之有效的。     

非支配解竞争模型下的电力系统无功优化

传统的电力系统多目标粒子群优化算法利用权重系数将问题转化为单目标求解,从而忽视了各目标函数间的竞争关系。针对这一问题,设计出一套非支配解竞争模型并运用到电力系统多目标无功优化中,同时以降低有功网损和减少电压偏差为目标,使二者在充分竞争的情况下得出Pareto最优解。在IEEE-14节点系统上进行仿真实验,仿真结果给出了有功网损和电压偏差之间的竞争关系,该算法一次运行可以得出多组非支配解,电力决策者可根据实际问题的需要选择最终满意的Pareto最优解,具有很好的灵活性与多样性。仿真结果表明,该方法是一种能够有效求解电力系统多目标无功优化问题的新思路。     

基于用户体验质量和系统能耗的异构网络联合接入选择和功率分配策略

为了解决无线网络能耗和用户体验质量的问题,提出了一种应用于异构无线网络环境的基于多目标优化的联合接入选择和功率分配策略。该策略以最小化系统整体能耗和最大化用户平均体验质量为目标,建立了多目标优化联合分配模型,通过差分进化算法得到联合分配模型的最优解集,并结合 TOPSIS 的方法从最优解集中得到折中的联合分配方案。仿真结果表明,本文所提的策略能够有效地降低系统能耗,并提升用户整体的服务体验。     

多无人机编队自主重构的内点算法

考虑多无人机编队自主重构的优化设计问题,联合编队过程中的3类代价函数、无人机的非线性动力学方程以及4类不等式约束条件,构成一个非线性多目标优化模型。采用加权和策略并将所有的等式和不等式约束分别组合,将非线性多目标优化模型转化为一个标准的非线性单目标优化模型。采用运筹学中的内点算法来求解最优解,并在算法的实现过程中做了某些改进,以避免出现矩阵的秩亏损。从理论上证明多目标优化在加权和策略下与单目标优化间的等价性。最后用仿真算例验证了算法的有效性。     

利用冲突信息降维的进化高维目标优化算法

进化多目标优化算法求解高维目标优化问题面临收敛能力、计算复杂度、决策以及Pareto前沿的可视化等困难，其根本原因是目标空间维数高。目标降维通过丢弃冗余目标，为缓解高维目标优化求解困难提供一种新思路。本文提出利用冲突信息降维的分解进化高维目标优化算法（CIOR-MOEA/D）。该方法通过衡量目标在近似解集上体现的冲突性，构造问题的冲突信息矩阵，对该矩阵进行特征分析，确定目标的重要性程度，实现维数约简，并利用分解进化多目标优化算法（MOEA/D）对重要子目标集合进行分解进化,从而得到问题的近似解集。实验结果表明,本文提出的目标降维算法在降维的准确性与鲁棒性上均表现突出，能够有效地处理冗余高维目标优化问题。      

基于多目标蝙蝠优化的高光谱图像解混算法

由于高光谱图像的丰度特性,盲源分离算法 不能直接用于高光谱图像解混。同时,在解混过程中用 梯度算法对目标函数进行优化时易陷入局部最优。为此,本文提出了一种基于多目标蝙蝠优 化算法的高光谱图 像解混算法。该算法将高光谱图像模型中存在的丰度非负约束及丰度和 为一约束作为解混的两个目标函数, 将解混问题转化为对目标函数的优化问题,同时引入多目标蝙蝠优化算法来求解,从而实现高光谱图像解 混。实验结果表明,本文算法能有效解决上述问题,并且当改变图像的信噪比 、像元纯度和像素数时,观察光 谱角距离与均方根误差值的变化情况,与其它解混算 法相比,本文算法具有更高的解混精度和很好的抗噪性,在像元纯度很低的情况下也有很好 的性能。     

基于高阶非线性模型的多目标高光谱图像解混算法

在高阶非线性混合模型的基础上,提出一种多目标高光谱图像解混算法,解决传统方法受高光谱数据异常值影响而解混精度不高的问题。该算法以重构误差与光谱角分布为目标函数建立优化模型,并同时优化两目标函数以减少数据异常值对模型求解的影响,使解混结果在两个评价指标上得到提升;最后采用差分搜索算法求解多目标优化模型,解决梯度类优化方法易陷入局部极值的问题,从而进一步提升解混精度。实验结果表明,文中算法与传统高光谱解混算法相比,具有更精确的端元丰度估计结果和更高的解混精度。     

利用L∞+L1口范数的多基线相位解缠绕方法

多基线相位解缠绕问题可以转化为求解L1范数优化问题的最优解,然而L1范数多基线相位解缠绕算法存在内存需求量大的问题,且对噪声严重的干涉相位图处理效果不理想.为了减少用线性规划算法解L1范数多基线相位解缠绕时内存需求较大的问题,该文提出用L∞范数的惩罚函数来近似L1范数的惩罚函数以减少优化模型中优化变量的大小,从而将多基线相位解缠绕模型其目标函数变为L∞范数+L1范数的形式,并且优化变量的大小减少了约57％.最后,通过一个噪声严重的实测数据对该文算法进行了验证,实验结果表明,该文提出的方法不仅可以有效地解缠绕质量较好的条纹图,同时对噪声严重区还具有一定的滤波效果.     

工程数学

0221 2003060003进化多目标优化设计满意解的被翎决策/马清亮,(2」胡昌华(西J匕业大学)11计算机工程与应用一2003,39(23)一22一23,113文中提出了一种进行多目标优化满愈解的模枷决策方法.首先,根据各个子目标满意度对所有palet。最优解的性能做出模糊评价,并在此荃础上将整个pareto解集划分为若干具有不同性能特征的类。然后根据决策者对目标的模糊偏好,从相应的类中选择最有代表性的个体作为最终的满意解.最后以两杆析架多目标优化问题为例,说明了该方法的应用.图3表1参5〔刚)资模型,及其有效边界的形式,通过引人分类约束,限制了属于不同…     

相关学科与技术

本文研究了由模糊模型描述的非线性静态系统逆的一些实际问题。文中导出了一个模糊映射逆的解析表达式,并将其用于优化荃的逆算法。本文讨论了包括多输入/出模糊系统逆算法的一些实际问题,并揭示了该算法用于同时解算两个模糊模型逆的实例。     

一种有效的IIR数字滤波器优化设计方法

针对IIR数字滤波器优化设计实质上是一个多参数多目标优化问题,本文提出一种基于量子遗传算法的IIR数字滤波器满意优化设计方法,通过设计满意度函数而构造出满意优化计算模型,将滤波器性能指标的满意设计与参数优化统一考虑,并用本文提出的收敛速度快和全局寻优能力强的新量子遗传算法(NQGA)搜索满意解。通过低通和带通IIR数字滤波器的设计结果表明,该方法是有效、实用的。