多目標(biāo)粒子群算法及其在轉(zhuǎn)爐煉鋼中的應(yīng)用研究.pdf

1、碩士學(xué)位論文多目標(biāo)粒子群算法及其在轉(zhuǎn)爐煉鋼中的應(yīng)用研究ResearchonMulti0bjectiveParticleSwarmOptimizationAlgorithmsandItsAppficationinBOFSteelmakingProcess學(xué)21309079大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要現(xiàn)實中大量的科學(xué)研究與工程實踐問題都可歸結(jié)為多目標(biāo)優(yōu)化問題。粒子群優(yōu)化作為

2、一種群體智能計算模型，易于實現(xiàn)且收斂速度快，適合于求解多目標(biāo)優(yōu)化問題，吸引了眾多學(xué)者進(jìn)行廣泛而深入地研究。目前國內(nèi)外已有部分多目標(biāo)粒子群優(yōu)化算法的研究成果，但仍然存在一些不足：一方面，大部分算法缺乏監(jiān)測種群進(jìn)化環(huán)境的機(jī)制，無法獲得實時的反饋信息，難以決定在何時調(diào)節(jié)何種進(jìn)化策略到何種程度：另一方面，粒子群優(yōu)化算法在求解高維多目標(biāo)優(yōu)化問題時優(yōu)化能力急劇下降。針對以上不足，本文主要進(jìn)行了以下研究：(1)針對缺乏監(jiān)測進(jìn)化環(huán)境機(jī)制的問題，設(shè)計了相

3、應(yīng)的監(jiān)測機(jī)制，并在平衡全局搜索和局部搜索、平衡解集收斂性和多樣性兩方面分別提出了兩種改進(jìn)的多目標(biāo)粒子群優(yōu)化算法。在基于高斯混沌變異和精英學(xué)習(xí)的自適應(yīng)多目標(biāo)粒子群算法中，通過監(jiān)測種群的收斂狀態(tài)來自適應(yīng)調(diào)節(jié)慣性權(quán)重和學(xué)習(xí)因子；而且，提出精英學(xué)習(xí)策略和改進(jìn)的高斯混沌變異算子來調(diào)節(jié)局部搜索和全局搜索能力。而在基于檔案解集狀態(tài)的自適應(yīng)多目標(biāo)粒子群算法中，混合了兩種全局向?qū)нx擇策略，并通過監(jiān)測檔案解集所處的狀態(tài)來自適應(yīng)調(diào)整這兩種策略的選擇概率；此外

4、，分別對粒子和檔案解集中的個體進(jìn)行擾動，根據(jù)檔案解集狀態(tài)和迭代次數(shù)動態(tài)調(diào)整這兩種擾動的概率，使算法能兼顧解集的收斂性和多樣性。(2)針對多目標(biāo)粒子群優(yōu)化算法在求解高維多目標(biāo)優(yōu)化問題上的不足，提出一種基于參考點的高維多目標(biāo)粒子群算法。在目標(biāo)空間中引入一系列的參考點，根據(jù)參考點來篩選出兼顧收斂性和多樣性的非支配解作為粒子的全局向?qū)?，并提出了基于參考點的檔案維護(hù)方法，維持解集的多樣性。(3)將多目標(biāo)粒子群優(yōu)化算法應(yīng)用于轉(zhuǎn)爐煉鋼鐵合金加入量計算