基于群智能的魯棒多目標(biāo)優(yōu)化方法及應(yīng)用.pdf

1、在科學(xué)研究和工程實(shí)踐等領(lǐng)域，存在著大量的優(yōu)化問(wèn)題。傳統(tǒng)的優(yōu)化方法雖然有著諸多優(yōu)點(diǎn)，如理論完備、計(jì)算結(jié)果穩(wěn)定、算法效率高等，但是隨著優(yōu)化問(wèn)題變得越來(lái)越復(fù)雜，傳統(tǒng)方法已經(jīng)很難獨(dú)立解決。群智能作為一種基于群體搜索的全局優(yōu)化方法，非常適合于求解復(fù)雜的單目標(biāo)優(yōu)化問(wèn)題、多目標(biāo)優(yōu)化問(wèn)題和約束優(yōu)化問(wèn)題。因此，群智能研究越來(lái)越多的受到國(guó)內(nèi)外研究者們的關(guān)注，目前已成為智能優(yōu)化領(lǐng)域的研究熱點(diǎn)之一。
　　 本論文的研究目標(biāo)旨在通過(guò)對(duì)粒子群優(yōu)化的深入的探

2、索和研究，針對(duì)單目標(biāo)約束優(yōu)化問(wèn)題、多目標(biāo)優(yōu)化問(wèn)題設(shè)計(jì)高效的進(jìn)化算法及策略，并進(jìn)行相應(yīng)的理論分析和實(shí)驗(yàn)驗(yàn)證。在此基礎(chǔ)上(追求解的質(zhì)量)考慮解的魯棒性問(wèn)題，提出一種單目標(biāo)魯棒優(yōu)化方法，并推廣到多目標(biāo)優(yōu)化領(lǐng)域。最后，將所有這些研究成果應(yīng)用于實(shí)際問(wèn)題當(dāng)中，通過(guò)實(shí)例來(lái)驗(yàn)證。具體而言，本論文的主要研究工作主要有以下幾個(gè)方面：
　　 1.針對(duì)單目標(biāo)約束優(yōu)化問(wèn)題，提出了一種約束自適應(yīng)粒子群優(yōu)化算法。通過(guò)雙適應(yīng)值動(dòng)態(tài)判斷粒子群優(yōu)化算法中粒子的優(yōu)劣

3、，在違反度值的計(jì)算引入了自適應(yīng)加權(quán)系數(shù)，并相應(yīng)地提出了調(diào)整各權(quán)系數(shù)的自適應(yīng)策略。另外，改進(jìn)了粒子群優(yōu)化算法粒子競(jìng)爭(zhēng)選擇策略，提出了一種變異策略。實(shí)驗(yàn)結(jié)果表明了該算法收斂速度快且結(jié)果可靠。
　　 2.針對(duì)多目標(biāo)優(yōu)化問(wèn)題，提出了一種基于maximin的多目標(biāo)優(yōu)化算法。通過(guò)maximin適應(yīng)函數(shù)的計(jì)算中引入函數(shù)相對(duì)值算法和ε-支配的概念，并提出了可變?chǔ)?支配的策略，改進(jìn)了maximin適應(yīng)函數(shù)的計(jì)算方法。通過(guò)測(cè)試函數(shù)的測(cè)試，結(jié)果表明該

4、算法收斂速度快且效果良好。
　　 3.針對(duì)優(yōu)化問(wèn)題解的魯棒性，提出了一種魯棒單目標(biāo)優(yōu)化方法。通過(guò)隨機(jī)選取粒子擾動(dòng)范圍內(nèi)一定數(shù)量的樣本，計(jì)算出樣本目標(biāo)空間的均值和方差，由此提出了針對(duì)最大化和最小化問(wèn)題的魯棒模型，并推廣到多個(gè)目標(biāo)的優(yōu)化命題。同時(shí)給出了模型的實(shí)現(xiàn)方法，并對(duì)實(shí)例進(jìn)行仿真計(jì)算，仿真結(jié)果表明了該方法是有效的。
　　 4.對(duì)上述研究成果的集成應(yīng)用，分別將約束自適應(yīng)粒子群優(yōu)化算法應(yīng)用于多水廠節(jié)能優(yōu)化供水調(diào)度問(wèn)題中；將基