1.基本定义 优化目标可以理解为目标函数,在多目标优化问题中优化目标个数在2个及以上。因此,多目标优化问题和单目标优化相比,最大的区别在于多目标优化问题是一个向量优化(目标函数向量)的问题。而向量之间仅仅存在偏序关系,难以直接比较向量之间的大小,这就导致该类优化问题的性质非常不好。现实问题中,多个优化目标之...
本节将介绍多目标优化的问题定义,分别从单目标、多目标,无约束和有约束方面介绍。 1. 问题定义 1.1 无约束的单目标优化问题 无约束的单目标优化问题 (1)x 其中,x的取值为n维实数空间RN,f(x)为连续一阶可导函数。 1.2 无约束的多目标优化问题 x... ...
本项目针对复杂时序约束下柔性测试任务多目标优化问题的求解方法开展研究工作。该问题可归纳为一个复杂约束条件下的多目标、整数规划问题。由于复杂约束割裂了可行空间,导致整数规划问题的可行域发生畸变。对于求解算法来说,交叉网状约束限制了其收敛到真正的Pareto前沿面或保持解集多样性分布的能力。 在研究过程中,分别...
1、通过实现种群收敛性和多样性提升和平衡,首次提出充分挖掘进化算法基于种群的特性,深度提炼目标空间和决策空间地形特征,全面反映个体解多目标优化性能及其抗扰动的鲁棒性能,从而提升进化算法在实际高维多目标优化问题中的应用能力。2、创新性地从个体性能和种群整体质量两个维度出发,设计收敛性和多样性协同度量方法;...
研究多目标优化的问题特征与合理的形式化描述;探讨计算智能方法用于求解此类问题的本质优势;设计基于不同演化策略和实现机制的多目标演化算法;从理论与实验角度综合评价各算法的优劣;应用研究成果于网络设计等具体工程实际领域之中。为有效求解科学、工程与军事应用中普遍存在的各类多目标优化问题提供基本理论、方法和技术...
正则化方法是解决稀疏问题的最常用方法,通常导致非凸、非光滑、非Lipschitz连续、以及多极值的优化问题。现有的正则化方法主要缺陷在于:(1)这些方法都是基于单目标搜索算法,一次仅能找到单个局部最优解;(2)其性能依赖于正则化参数的设定以及对最优解的稀疏度约束。针对这些问题,我们将从多目标优化角度发展求解稀疏...
结合资源选择、生产外包、原材料与财政约束、阻塞、装配和可重入等约束与条件的特点,提出新算法—受控局部搜索,并系统研究基于该算法或帝国竞争算法的定界多目标优化方法;最后,针对面向干扰事件的区别化调度问题,在度量干扰事件对原调度的负面影响的基础上,定义并定界扰动目标,研究合理高效的干扰管理新策略。
多目标复杂车辆路径问题(MOCVRP)是现代智能物流业需要研究的一项重要内容,传统智能算法求解该问题面临多相变点难解、难于收敛到真实Pareto前沿等问题。 模因进化是一种通过模因传播,模拟人或动物思想传递,处理动态复杂问题的新型智能计算方式。项目探索面向MOCVRP 的模因优化新方法:以混合蛙跳算法为原型,改进并拓展...