题名 | 智能多目标优化方法及其应用研究 |
作者 | 张勇德 |
学位类别 | 博士 |
答辩日期 | 2005-01-20 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 中国科学院沈阳自动化研究所 |
导师 | 黄莎白 |
关键词 | 浮筒配置 多目标优化 进化计算 群智能 |
其他题名 | Research on Intelligent Multiobjective Optimization and Its Application |
学位专业 | 机械电子工程 |
中文摘要 | 多目标优化问题是现实世界中普遍存在的问题,这类问题由于解的多样性通常难以处理。近年来,一些新型的智能优化方法(如粒子群算法、蚁群算法、免疫算法等)逐步兴起,为多目标优化技术的发展开辟了新的研究领域。然而基于这些方法的多目标优化技术的研究才刚刚起步。 本文研究的课题背景是打捞工程中的浮筒配置问题,它是浮筒打捞工程中最核心的一个环节。在设计方法上,我国目前采用的还是最原始的分阶段设计法,设计人员的工作负担大而且效率低下。随着海军自动化程度的提高,该问题成为了海上救捞工程中极待解决的重要课题。然而在国内外相关的文献资料中还尚未找到有关设计方法方面的研究。 本文在以上的研究背景下,以解决浮筒配置问题为目标,对浮筒配置方案的设计方法和智能多目标优化方法展开了如下的研究工作: 创新性地提出了一种基于优化理论的设计模式,通过对浮筒配置问题和最优化问题的相似性分析,建立了该问题的数学模型,并采用多目标优化方法来求解。 针对DPGA算法存在的寻优速度慢、多样性保持差等问题,提出了一种基于精英策略的EDPGA算法,提高了算法的收敛速度和所得解的分布性能。 设计了一种双向粒子群优化算法,使得粒子可以在自身的邻近区域和解分布较为稀疏的区域同时进行寻优,有效地解决了局部寻优能力与群体多样性维持之间的矛盾。 粒子群算法在求解多目标优化问题时,由于群体最优经验的不断变换,使得粒子飞行的盲目性增强。针对这一问题,本文提出了一种基于知识的多目标粒子群优化算法,运用知识来修正粒子飞行的距离和方向,使得算法的寻优能力提高,稳定性增强。 将蚁群算法引入到连续空间问题求解,并且结合免疫算法的多样性特点,提出了一种求解多目标函数优化问题的免疫蚁群算法,重新定义了蚂蚁的信息素留存方式和行走规则,并应用免疫应答原理来维持群体的多样性。 |
索取号 | TP30/Z36/2005 |
语种 | 中文 |
公开日期 | 2012-08-29 |
分类号 | TP30 |
内容类型 | 学位论文 |
源URL | [http://ir.sia.ac.cn/handle/173321/9511] |
专题 | 沈阳自动化研究所_光电信息技术研究室 |
推荐引用方式 GB/T 7714 | 张勇德. 智能多目标优化方法及其应用研究[D]. 中国科学院沈阳自动化研究所. 中国科学院沈阳自动化研究所. 2005. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论