多目标遗传算法及其在船舶型线性优化中的应用课件_第1页
多目标遗传算法及其在船舶型线性优化中的应用课件_第2页
多目标遗传算法及其在船舶型线性优化中的应用课件_第3页
多目标遗传算法及其在船舶型线性优化中的应用课件_第4页
多目标遗传算法及其在船舶型线性优化中的应用课件_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、多目标遗传算法及其在船舶型线性优化中的应用2010.9.23摘要：工程中多遇到多目标优化问题，其子目标之间都存在相互冲突现象。多目标优化与单目标优化本质区别：前者有一组或多组非劣解得集合，而后者只是单个解或一组不连续的解。60年代，提出“进化算法（Evolutionary Algorithm）”,目前，应用最广的进化算法为“遗传算法（Genetic Algorithm）”蚁群算法：也是一种进化算法。主要内容：1、绪论2、多目标优化的基本概念3、遗传算法的基本理论4、多目标优化遗传算法及软件实现5、多目标遗传算法在船舶型线优化中的应用一、绪论多目标优化问题Pareto正式提出，Johnsen 系

2、统总结，20世纪70年代后才发展成数学理论。多目标优化问题的主要研究内容：概念及性质研究；算法研究；对偶问题研究；不可微多目标优化问题研究。1.1 多目标优化问题多目标优化最终转化成在多目标意义下的一种“最优解”，即非劣最优解（有效解，Pareto最优解）。多目标优化需解决的问题：如何求得非劣解；非劣解的“优性”如何鉴别。对问题解决方案：子目标聚合为带权系数的单目标函数，求此单目标函数得到非劣解。现多采用遗传算法获得Pareto非劣解集。对问题解决方案：基于偏好方法评价。Pareto近似解集求解方法微粒群算法蚁群算法模拟退火算法禁忌搜索算法进化算法多目标优化求解非劣解评价非劣解解决方案加权平均

3、多目标优化单目标优化根据目标的相对偏好关系1.2 遗传算法的发展及研究进展GAs的特点：GAs处理对象是对参数集进行编码的个体。此编码操作，使GAs可直接对结构对象进行操作。GAs同时对搜索空间中多个解评估，使得GAs有较好全局搜索性。GAs用适应度函数值评估个体，在此基础上进行遗传操作。适应度函数不受连续可微约束，且定义域可任意设，唯一要求适应度函数非负性。GAs不采用确定性规则，而是用概率的变迁规则来指导搜索方向。权重设置方法：固定权重法、随机权重法、适应性权重法。固定权重法：传统标量化方法的模仿；随机权重法实用性权重法采用Pareto机制的多目标优化技术：MOGA、NSGA、NSGA、NPGA、SPEAMOGA：（Fonseca、Fleming1993年）思想是个体排序的序号由当前种群中支配它的个体的数量决定。较全面的利用遗传算法搜索NSGA:（Srinivas、Deb1993年）基于对个体的几层分级实现。处理高维多模态问题不够满意。NSGA：（Deb2000年）运算速度和算法鲁棒型提高。二、多目标优化的基本概念2.1 多目标优化的数学描述

人人文库> 全部分类> 行业资料 > 医学制药

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论