2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、大量的優(yōu)化問題存在于現(xiàn)實生活和生產(chǎn)管理之中。近些年來,智能計算已成為求解優(yōu)化問題的一個研究熱點,特別是進化計算。進化計算由最初的生物計算發(fā)展到各種類型的自然計算算法及技術(shù),包括神經(jīng)計算、生態(tài)計算以及經(jīng)濟計算等等,在科學(xué)研究、工程實踐以及生產(chǎn)管理取得了顯著的發(fā)展。
  本文對進化算法進行探討,其中分別對單目標類型和多目標類型的優(yōu)化問題進行算法設(shè)計,主要工作內(nèi)容和創(chuàng)新之處有:
  在單目標最優(yōu)化方面,提出了一個基于協(xié)方差學(xué)習(xí)機制

2、和搜索偏好的算法CMLSP以及采用了切換開關(guān)算法框架把CMLSP與CMAES結(jié)合為算法CM-LSP/AES。其基本目的是在良好的解的附近投入更多的搜索資源尋找更好的解。為了達到這一目的,我們摒棄了進化算法中傳統(tǒng)的雜交變異方式,而設(shè)計了一個基于協(xié)方差矩陣學(xué)習(xí)的方法來產(chǎn)生更高質(zhì)量的解。CM-LSP/AES的設(shè)計包含了兩個部分,一是CMLSP基于協(xié)方差學(xué)習(xí)機制以及基于高斯分布變異的搜索偏好設(shè)計;二是基于開關(guān)切換框架下結(jié)合了CMLSP和CMAE

3、S,使得兩個算法相輔相成。CM-LSP/AES與經(jīng)典的進化算法CMAES和CoBiDE進行實驗對比。實驗仿真表明,CM-LSP/AES是一個能解決復(fù)雜問題(包括大部分黑箱問題)全局優(yōu)化的有效方法。
  在多目標最優(yōu)化方面,提出了一個基于種群分解以及種群參考距離的超多目標進化算法,命名為EAPD-RD。該算法的設(shè)計目的主要是為了解決高維多目標最優(yōu)化問題中出現(xiàn)的維數(shù)災(zāi)難問題帶來的弱收斂性、弱搜索能力以及弱多樣性。EAPD-RD引用了種

4、群分解技術(shù),保證了進化過程中種群的多樣性以及降低了計算量;其次,利用了種群的距離信息實現(xiàn)了二次判斷使得傳統(tǒng)的非支配關(guān)系在高維空間中的效用性增強;最后,采用小生態(tài)技術(shù)來衡量種群之間的擁擠程度并且作為選擇更好解的依據(jù),保證了種群的多樣性。EAPD-RD與MOEA/D、NSGA-Ⅲ以及GrEA三個算法對六個測試問題在三個不同維度下進行實驗仿真。通過實驗仿真分析,證明了EAPD-RD在處理高維多目標問題具有一定的優(yōu)勢,平衡了收斂性、多樣性以及計

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論