基于遺傳算法的多目標(biāo)尋優(yōu)策略的應(yīng)用研究.pdf

1、優(yōu)化自古以來(lái)就是倍受人們關(guān)注的問(wèn)題，尤其是在科技高速發(fā)展的今天。在工程技術(shù)應(yīng)用過(guò)程中，人們經(jīng)常要研究多于一個(gè)的數(shù)值目標(biāo)函數(shù)在給定約束條件下的最優(yōu)化問(wèn)題，即為多目標(biāo)優(yōu)化問(wèn)題。由于多個(gè)目標(biāo)之間是相互約束，相互排斥的，使得各目標(biāo)不能同時(shí)達(dá)到各自的最優(yōu)值。遺傳算法是根據(jù)生物進(jìn)化理論而得出的優(yōu)化方法，由于多目標(biāo)尋優(yōu)問(wèn)題的復(fù)雜性，越來(lái)越多的研究學(xué)者將具有全局性概率優(yōu)化搜索能力的遺傳算法運(yùn)用到這一領(lǐng)域中，已取得了一定的成果。 帶精英策略的非支

2、配排序遺傳算法(NSGA—II)可以得到分布均勻的非劣最優(yōu)解，在多目標(biāo)優(yōu)化領(lǐng)域表現(xiàn)出很強(qiáng)的優(yōu)勢(shì)。本文對(duì)算法的基本原理進(jìn)行了研究，將NSGA—II算法應(yīng)用于以下兩個(gè)方面： (1)針對(duì)BP網(wǎng)絡(luò)訓(xùn)練時(shí)，會(huì)遇到陷入局部極小點(diǎn)、收斂速度慢等問(wèn)題，提出將BP訓(xùn)練看成多目標(biāo)尋優(yōu)過(guò)程，以網(wǎng)絡(luò)輸出節(jié)點(diǎn)的誤差最小作為并行搜索的多個(gè)目標(biāo)，運(yùn)用NSGA—II算法對(duì)BP網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化，再進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。通過(guò)一個(gè)單輸入雙輸出非線(xiàn)性系統(tǒng)

3、的逼近問(wèn)題，驗(yàn)證了NSGA—II算法與BP網(wǎng)絡(luò)結(jié)合的可行性，仿真結(jié)果顯示NSGA—II&BP算法的訓(xùn)練過(guò)程，能克服單獨(dú)BP網(wǎng)絡(luò)訓(xùn)練時(shí)的缺陷，且所需訓(xùn)練次數(shù)大大減少。 (2)將多目標(biāo)尋優(yōu)算法NSGA—II運(yùn)用到支持向量機(jī)(SVM)的參數(shù)選取中，利用SVM的三個(gè)參數(shù)(寬度系數(shù)σ，不敏感系數(shù)ε，懲罰系數(shù)C)作為決策變量，以SVM在實(shí)際應(yīng)用中的尋優(yōu)對(duì)象為目標(biāo)，使用NSGA—II算法進(jìn)行尋優(yōu)迭代，通過(guò)有目標(biāo)約束的參數(shù)優(yōu)化過(guò)程，得到SVM的