贝叶斯优化算法在多目标优化问题中的应用

贝叶斯优化算法是近年来在进化算法领域兴起的一种新兴算法,用贝叶斯网络概率模型来显式地反映变量之间的依赖关系及可行解的分布,更符合实际问题的本质,在众多领域获得应用。针对多目标优化问题,在Pareto优化概念的基础上,用非占先排序及拥挤距离的方法来选择群体,形成解决多目标优化算法的Pareto贝叶斯优化算法,实验结果表明,Pareto贝叶斯优化算法要优于经典多目标优化算法NSGA-II。     

基于核分布估计的动态多目标优化进化算法

建立了一种近似估计下一环境进化种群和问题的Pareto最优解集的核分布估计方法, 当问题环境发生改变时, 算法利用以前不同环境搜索到的有用解信息对下一环境进化种群及Pareto最优解集进行近似估计, 极大地提高了算法的搜索效率。在对进化算子的合理设计基础上提出了一种核分布估计的动态多目标优化进化算法。通过对4个常用标准测试函数所作的数据仿真实验表明:提出的算法是十分有效的.     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

Pareto强度值实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法:Pareto强度值实数编码多目标贝叶斯优化算法(PSRCMBOA)。通过构建这样的网络模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力。这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计。PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集。对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集。分析发现,为获得高升阻比,返回舱球头半径应选择在0.155~0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6~4.4 m之间、柱段长可在1.2~1.5 m之间。优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计。     

电磁装置多目标优化设计的改进矢量进化算法研究

在电磁装置设计中，通常需要同时优化几个相互冲突的目标函数。在传统的优化方法中，一般首先采用标量化技术将多目标函数转化成单目标函数。然后求解。因此需要预先设定不同目标函数的优先级或权因子，而这种方法通常每次只能搜索到一个Pareto解，不能得到完整的Pareto曲面。有鉴于此，本文提出了多目标优化设计的一种改进矢量进化算法，以实现通过一次搜索即可得到平滑、完整的Pareto曲线的目标。典型数学函数和无芯螺线管线圈优化设计问题的实例计算结果，验证了本文算法的有效性和正确性。     

基于混合算法的自由曲面网格结构多目标优化

为有效提高自由曲面网格结构的性能,改进了自由曲面网格结构的多目标优化方法,基于NURBS技术生成自由曲面,以曲面控制点高度为优化变量,结构应变能为静力性能优化目标,提出了以综合考虑曲面相似性、流畅性以及网格规整性的几何综合量化指标为几何优化目标;将目标函数的敏感度与进化算法NSGA-II结合,提出了敏感度混合进化算法。进行了自由曲面索撑网壳与自由曲面空间网格结构的多目标优化。研究结果表明：与其他3种算法相比,敏感度混合进化算法不仅可获得精确性、均匀性更好的Pareto解集,而且明显提高了算法的优化效率;两个结构优化后的应变能分别下降了21.2%、60.9%,几何综合量化指标分别下降了15.4%、30.9%;优化后结构自身的力学性能有所提高,以综合量化指标为目标函数有效提高了自由曲面的相似性、网格流畅性以及网格规整性。     

基于均方差值调节的多目标权重系数GA算法

提出一种改进的权重系数调节算法求解多目标Pareto最优解问题.该算法采用均方差值自适应权重调节法对各目标函数权值进行有效调节,从而提高了GA所得最终种群在多目标最优意义下具有分散性.最后通过实验优化一组测试函数来评价该算法的性能,结果表明:该算法具有很强的寻优能力,相比于其它同类算法可以更好地解决多目标优化问题.     

非规则Pareto前沿面多目标进化优化算法研究综述

现实中多目标优化问题的Pareto前沿面往往是非规则形式,针对这类问题的进化算法已逐渐成为研究热点.对现有非规则Pareto前沿面多目标优化问题的进化算法进行总结和分类,给出了多目标优化问题的通用数学描述,并给出了支配和非支配解等该研究领域内的相关定义.整理了典型的具有非规则Pareto前沿面的多目标优化测试问题,以及...     

几何模式动态贝叶斯网络推理基因调控网络

针对趋势相关(两基因在其表达水平随时间上升与下降的变化趋势上相关)关系在重建基因调控网络中十分重要却尚未被挖掘利用的问题,提出了几何模式动态贝叶斯网络(Gp-DBN)方法．Gp-DBN将每个基因的表达数据转换为一个几何模式,依据几何模式确定潜在的调控子和调控时滞,并通过推理这些几何模式之间的相关关系来发现基因间的调控关系．该方法解决了挖掘具有趋势相关的基因调控关系的问题,能够很大程度地提高重建的基因调控网络的性能．对Yeast和 E. coli基因数据的实验结果表明无论是在无先验知识还是在有先验知识时Gp-DBN重建的基因调控网络的性能都比传统的动态贝叶斯网络方法有大幅度提高．     

求解约束优化问题M-精英协同进化算法

提出了一种适用于约束优化问题的协同进化算法．该算法旨在模拟人类社会中团队的组建及其协作方式,并强调精英人才对团队建设的推动作用．算法将整个种群分为精英种群和普通种群,围绕各个精英来组建团队,使精英种群带动普通种群,进而带动整个种群不断进化．组建团队过程中,不同精英之间采用协作操作,精英对普通种群成员进行引导操作,其中协作操作和引导操作由若干交叉或变异算子的组合所定义．使用静态罚函数法将约束优化转化为无约束优化,利用13个约束优化测试函数对算法进行了测试．仿真实验和参数分析结果表明,该算法寻优精度高,算法稳定,运行时间少,其性能优于组织进化算法,能够有效解决复杂的约束优化问题．     

基于消息传播的Bayesian推理算法研究

利用网络结构特性和条件独立性之间的关系设计推理有效方法,是Bayesian网络推理的主要研究内容.各种推理算法的区别主要在于计算速度.在深入讨论已有算法的基础上,设计并实现了基于消息传播的Bayesian推理算法,有效地降低了推理过程中运算的时空复杂度.     

T型管液压成形加载路径自适应多目标优化

为解决静态代理模型非线性结构优化效率、精度低的问题,采用最小二乘支持向量回归机(LSSVR)模型进行T型管液压成形加载路径自适应多目标优化研究.用一个数值算例说明本文方法的有效性,以管与背压冲头的接触面积最大及管的最大减薄率最小为优化目标,以接触面积大于对标仿真值、最大减薄率小于实验值、高度大于实验值为约束条件进行多目标优化设计.采用拉丁超立方体设计构造初始支持向量回归模型,用自适应法将每次迭代中获得的额外取样点添加到重建的支持向量回归机模型,得到帕累托最优解集.用理想点法,选择一个最优妥协解以供工程师选用.在成形高度没有变差的情况下,自适应多目标优化结果的管与被压冲头接触面积比实验值提高了32.42%,最小厚度比实验值增加了14.97%.表明自适应迭代LSSVR模型能够在少量样本下保证优化设计精度和计算效率.     

基于贝叶斯网络的配电系统可靠性分析方法

提出了根据配电网的实际拓扑结构和元件对系统的影响关系直接建立贝叶斯网络以实现配电系统可靠性分析的方法。该方法的特点是不仅能进行配电网的可靠性指标评估,而且还能方便地得到系统每个元件或几个元件对整个系统可靠性的影响,从而克服了配电系统传统可靠性评估方法的不足。通过实例,阐述了应用贝叶斯网络方法进行配电系统可靠性评估的有效性和优越性。     

Multi-objective optimization of membrane structures based on Pareto Genetic Algorithm

A multi-objective optimization method based on Pareto Genetic Algorithm is presented for shape design of membrane structures from a structural view point.Several non-dimensional variables are defined as optimization variables,which are decision factors of shapes of membrane structures.Three objectives are proposed including maximization of stiffness,maximum uniformity of stress and minimum reaction under external loads.Pareto Multi-objective Genetic Algorithm is introduced to solve the Pareto solutions.Consequently,the dependence of the optimality upon the optimization variables is derived to provide guidelines on how to determine design parameters.Moreover,several examples illustrate the proposed methods and applications.The study shows that the multi-objective optimization method in this paper is feasible and efficient for membrane structures;the research on Pareto solutions can provide explicit and useful guidelines for shape design of membrane structures.