基于正交設(shè)計的動態(tài)多目標(biāo)優(yōu)化算法研究.pdf

1、在人們的日常生活之中，總會遇到一些需要做決策的問題，這些問題可能是靜態(tài)優(yōu)化問題，也可能是動態(tài)優(yōu)化問題。人們對于靜態(tài)優(yōu)化問題的研究已經(jīng)有了很多的成果，但對于動態(tài)優(yōu)化問題的研究還不夠深入，成熟的求解動態(tài)優(yōu)化問題的算法還比較少，而動態(tài)優(yōu)化問題又是現(xiàn)實生活中普遍存在的基礎(chǔ)性問題，解決該類問題，能夠加快該領(lǐng)域研究的發(fā)展，所以，近年來吸引了不少學(xué)者對這類問題進行分析和求解。由于動態(tài)優(yōu)化問題中，存在著多個與時間或環(huán)境相關(guān)的目標(biāo)向量和決策向量，其最優(yōu)解

2、集也會隨時間或環(huán)境的變化而變化，因此很難設(shè)計出一種針對所有問題的通用的方法。本文提出了一種基于正交設(shè)計的動態(tài)多目標(biāo)優(yōu)化算法(ODMOA)，利用歷史信息對新環(huán)境下的Pareto最優(yōu)解集進行快速、有效的預(yù)測，并建立一個新的預(yù)測種群，以解決連續(xù)動態(tài)多目標(biāo)優(yōu)化問題。本文在最后進行了多組對比試驗，并獲得了一些試驗結(jié)果，證明了算法的有效性。
　　論文的主要工作包括:
　　(1)動態(tài)優(yōu)化問題及算法綜述。主要對動態(tài)優(yōu)化問題的研究背景及意義進

3、行了簡要的說明，并描述了優(yōu)化問題的相關(guān)定義，其中包括對優(yōu)化算法的研究綜述，闡述了一般的動態(tài)多目標(biāo)優(yōu)化算法的框架。
　　(2)提出了基于正交設(shè)計的動態(tài)多目標(biāo)優(yōu)化算法。本文提出的優(yōu)化算法包含了五個模塊:正交多目標(biāo)優(yōu)化算法模塊，記憶集模塊，預(yù)測模塊，自回歸模塊和環(huán)境檢測模塊。正交多目標(biāo)優(yōu)化算法模塊在環(huán)境沒有發(fā)生變化的時候用來對種群進行進化操作;記憶集模塊保存了歷史最優(yōu)解，在環(huán)境發(fā)生變化以后，就可以利用記憶集中的非支配解來預(yù)測新的種群;預(yù)