多目標粒子群算法及其在轉爐煉鋼中的應用研究.pdf

1、碩士學位論文多目標粒子群算法及其在轉爐煉鋼中的應用研究ResearchonMulti0bjectiveParticleSwarmOptimizationAlgorithmsandItsAppficationinBOFSteelmakingProcess學21309079大連理工大學DalianUniversityofTechnology大連理工大學碩士學位論文摘要現(xiàn)實中大量的科學研究與工程實踐問題都可歸結為多目標優(yōu)化問題。粒子群優(yōu)化作為

2、一種群體智能計算模型，易于實現(xiàn)且收斂速度快，適合于求解多目標優(yōu)化問題，吸引了眾多學者進行廣泛而深入地研究。目前國內外已有部分多目標粒子群優(yōu)化算法的研究成果，但仍然存在一些不足：一方面，大部分算法缺乏監(jiān)測種群進化環(huán)境的機制，無法獲得實時的反饋信息，難以決定在何時調節(jié)何種進化策略到何種程度：另一方面，粒子群優(yōu)化算法在求解高維多目標優(yōu)化問題時優(yōu)化能力急劇下降。針對以上不足，本文主要進行了以下研究：(1)針對缺乏監(jiān)測進化環(huán)境機制的問題，設計了相

3、應的監(jiān)測機制，并在平衡全局搜索和局部搜索、平衡解集收斂性和多樣性兩方面分別提出了兩種改進的多目標粒子群優(yōu)化算法。在基于高斯混沌變異和精英學習的自適應多目標粒子群算法中，通過監(jiān)測種群的收斂狀態(tài)來自適應調節(jié)慣性權重和學習因子；而且，提出精英學習策略和改進的高斯混沌變異算子來調節(jié)局部搜索和全局搜索能力。而在基于檔案解集狀態(tài)的自適應多目標粒子群算法中，混合了兩種全局向導選擇策略，并通過監(jiān)測檔案解集所處的狀態(tài)來自適應調整這兩種策略的選擇概率；此外

4、，分別對粒子和檔案解集中的個體進行擾動，根據(jù)檔案解集狀態(tài)和迭代次數(shù)動態(tài)調整這兩種擾動的概率，使算法能兼顧解集的收斂性和多樣性。(2)針對多目標粒子群優(yōu)化算法在求解高維多目標優(yōu)化問題上的不足，提出一種基于參考點的高維多目標粒子群算法。在目標空間中引入一系列的參考點，根據(jù)參考點來篩選出兼顧收斂性和多樣性的非支配解作為粒子的全局向導，并提出了基于參考點的檔案維護方法，維持解集的多樣性。(3)將多目標粒子群優(yōu)化算法應用于轉爐煉鋼鐵合金加入量計算