進化動態(tài)多目標(biāo)優(yōu)化算法及其應(yīng)用.pdf

1、多目標(biāo)優(yōu)化是機器學(xué)習(xí)中十分重要的領(lǐng)域,而作為啟發(fā)式的搜索算法,進化算法已經(jīng)應(yīng)用于多目標(biāo)優(yōu)化之中,并且得到了廣泛的研究,許多進化多目標(biāo)優(yōu)化算法被學(xué)者所提出。隨著多目標(biāo)優(yōu)化領(lǐng)域研究的不斷深入,動態(tài)多目標(biāo)優(yōu)化這一新的課題應(yīng)運而生,并且成為了熱點話題。動態(tài)多目標(biāo)優(yōu)化可以看成是多目標(biāo)優(yōu)化的延續(xù),可以針對不同的進化多目標(biāo)優(yōu)化算法來研究并求解動態(tài)多目標(biāo)優(yōu)化問題。
　　基于上述的背景,本文針對動態(tài)多目標(biāo)優(yōu)化問題的特點,設(shè)計了新的動態(tài)預(yù)測方法,并且

2、改進了不同的進化多目標(biāo)優(yōu)化算法,提出了兩種動態(tài)多目標(biāo)優(yōu)化算法,最后將提出的算法應(yīng)用到了動態(tài)聚類這一實際問題中。本文具體工作如下:
　　1.提出了一種基于改進的距離預(yù)測機制及自適應(yīng)差分算子的動態(tài)多目標(biāo)優(yōu)化算法。算法中,首先,針對前向預(yù)測策略的特點,提出了一種新的距離預(yù)測機制,來預(yù)測新時刻的初始種群。其次,針對差分交叉算子的優(yōu)勢,將改進的自適應(yīng)差分交叉算子應(yīng)用到非支配近鄰免疫算法( Nondominated Neighbor Immu

3、ne Algorithm,NNIA)之中,來對動態(tài)多目標(biāo)優(yōu)化問題進行優(yōu)化求解。通過實驗可以發(fā)現(xiàn),新算法有很強的動態(tài)變化跟蹤能力,在收斂性和多樣性方面也優(yōu)勢明顯。
　　2.提出了一種基于正交預(yù)測機制的動態(tài)多目標(biāo)分解進化算法。算法中,首先,當(dāng)環(huán)境發(fā)生變化時,在歷史時刻儲存的最優(yōu) Pareto最優(yōu)解的基礎(chǔ)上,用基于正交設(shè)計的模型,來產(chǎn)生新時刻的初始種群。其次,為了減小臨界點對算法收斂性的影響,對基于分解的多目標(biāo)進化算法(Multi-ob

4、jective Evolutionary Algorithms Based on Decomposition,MOEA/D)中的權(quán)值生成方法進行改進,用于求解動態(tài)多目標(biāo)優(yōu)化問題。實驗證明,新算法有很好的性能,優(yōu)于其它的對比算法。
　　3.提出了一種基于動態(tài)多目標(biāo)進化算法的動態(tài)聚類算法。該算法是動態(tài)多目標(biāo)優(yōu)化算法在動態(tài)聚類問題上的具體應(yīng)用。動態(tài)數(shù)據(jù)聚類可以看成是動態(tài)多目標(biāo)優(yōu)化問題,可以用不同的優(yōu)化方法來解決。該算法利用動態(tài)多目標(biāo)優(yōu)化