一種用進(jìn)化方法求解魯棒最優(yōu)問題的研究.pdf

1、現(xiàn)實(shí)世界中許多應(yīng)用問題一般是多屬性的，而且應(yīng)用環(huán)境通常是動(dòng)態(tài)變化的，因此，對(duì)魯棒進(jìn)化(RE)的研究具有十分重要的實(shí)際應(yīng)用價(jià)值。為此，本文針對(duì)多目標(biāo)進(jìn)化中重復(fù)個(gè)體產(chǎn)生原因和影響、MOEAs搜索魯棒最優(yōu)解的性能測(cè)試，以及如何提高魯棒進(jìn)化的效率等展開研究。主要工作如下：
　　 1、歸納總結(jié)了影響工程優(yōu)化設(shè)計(jì)中的四類不確定因素，對(duì)多目標(biāo)進(jìn)化算法(MOEAs)的發(fā)展歷程、單目標(biāo)魯棒進(jìn)化的研究現(xiàn)狀和多目標(biāo)魯棒進(jìn)化的研究現(xiàn)狀進(jìn)行了綜述。在此基

2、礎(chǔ)上，闡述了魯棒進(jìn)化研究所面臨的困難和挑戰(zhàn)。
　　 2、對(duì)MOEAs中重復(fù)個(gè)體產(chǎn)生的原因和影響進(jìn)行了分析。以NSGA-Ⅱ?yàn)槔?，用?shí)驗(yàn)方法研究了重復(fù)個(gè)體產(chǎn)生的原因；用概率方法對(duì)重復(fù)個(gè)體的數(shù)量進(jìn)行了分析。同時(shí)，用實(shí)驗(yàn)方法研究了重復(fù)個(gè)體對(duì)MOEAs性能的影響。
　　 3、用實(shí)驗(yàn)方法對(duì)MOEAs搜索魯棒最優(yōu)解的性能進(jìn)行了測(cè)試。針對(duì)二維和三維目標(biāo)測(cè)試函數(shù)，選取了不同程度的高斯噪音，測(cè)試決策變量受到干擾時(shí)MOEAs的收斂性和解集的多

3、樣性。實(shí)驗(yàn)結(jié)果顯示，當(dāng)存在干擾時(shí)，三維目標(biāo)測(cè)試函數(shù)均對(duì)噪音十分敏感，但不同的測(cè)試函數(shù)在敏感程度上有較大差異。
　　 4、提出了一種用擬蒙特卡羅方法提高EA搜索魯棒最優(yōu)解性能的方法。有效估計(jì)有效目標(biāo)函數(shù)(EOF)是提高EA搜索魯棒最優(yōu)解性能的關(guān)鍵，針對(duì)原始蒙特卡羅(C-MC)方法計(jì)算蒙特卡羅積分(MCI)的近似值時(shí)，采用隨機(jī)抽樣(RS)存在精度較低的不足，本文通過引入擬蒙特卡羅(Q-MC)方法，來獲得MCI的近似值；同時(shí)采用三種低

4、偏差序列-SQRT序列、SOBOL序列和Korobov點(diǎn)陣，來提高M(jìn)CI的精度。實(shí)驗(yàn)結(jié)果表明，Q-MC方法可以有效地減少M(fèi)CI估計(jì)EOF的誤差，提高了REA搜索魯棒最優(yōu)解的性能。
　　 5、提出了一種提高M(jìn)OEAs搜索魯棒最優(yōu)解效率的方法。針對(duì)MOEAs在搜索魯棒最優(yōu)解時(shí)，存在求解效果差、效率低等不足，本文采用拉丁超立方體抽樣(LHS)計(jì)算EOF，通過實(shí)例說明和理論分析，論證了LHS具有比RS更好的估計(jì)EOF的精度。為了進(jìn)一步提

5、高M(jìn)OEAs搜索魯棒最優(yōu)解的效率，提出了一種自適應(yīng)抽樣技術(shù)(ALHS)，在優(yōu)化過程中自適應(yīng)地調(diào)整樣本規(guī)模，有效地減少了計(jì)算樣本EOF的次數(shù)和CPU時(shí)間。通過兩個(gè)MROPs測(cè)試函數(shù)，針對(duì)ALHS、LHS和RS三種方法進(jìn)行了對(duì)比實(shí)驗(yàn)，結(jié)果表明，ALHS比RS和LHS具有更好的求解效率和效果，LHS比RS效率和效果更好。
　　 6、提出了一種求解多目標(biāo)旅行商問題的混合遺傳算法。通過引入逆轉(zhuǎn)算子(爬山法)，來提高局部搜索能力；根據(jù)TSP