多目標優(yōu)化設計在數(shù)據(jù)挖掘中的研究與應用.pdf

1、隨著數(shù)據(jù)庫的廣泛應用，人們所積累的數(shù)據(jù)量在急劇增加，如何從大量的數(shù)據(jù)中提取有用的知識，就成為當務之急。在這種情況下，人們引入了數(shù)據(jù)挖掘的思想，通過它可以預測未來的趨勢和行為，作出超前的、基于知識的決策。目前數(shù)據(jù)挖掘技術已廣泛應用于各行各業(yè)，比如根據(jù)數(shù)據(jù)挖掘結果可以進行優(yōu)化決策。然而實際應用中的許多優(yōu)化決策問題都趨于復雜化，所以研究多目標優(yōu)化問題的求解方法具有重要的學術意義和應用價值。
　　 本文基于數(shù)據(jù)挖掘技術和多目標優(yōu)化設計的

2、理論，重點研究了具體實例中的多目標優(yōu)化問題。首先，介紹了選題背景和研究意義，進一步分析了國內外數(shù)據(jù)挖掘和多目標優(yōu)化設計的研究現(xiàn)狀，同時給出了論文的主要研究內容和結構。其次，簡單介紹了數(shù)據(jù)挖掘技術，并給出了數(shù)據(jù)挖掘的基本概念，對數(shù)據(jù)挖掘的常用算法進行了系統(tǒng)的歸納，列舉了數(shù)據(jù)挖掘的應用領域。然后，簡述了優(yōu)化設計的產生與發(fā)展，給出了多目標優(yōu)化設計的定義和原理，同時詳細分析了遺傳算法的特點，重點介紹了幾種基于遺傳算法的求解多目標優(yōu)化問題的方法，

3、并列舉了一些經典案例來說明多目標優(yōu)化設計的用途。又針對某生物殺螺劑制作過程中的多目標優(yōu)化問題，提出了一種應用Pareto遺傳算法來解決問題的優(yōu)化方法，建立了用于多目標優(yōu)化的適應度函數(shù)，使用排列選擇法將帶約束的多目標優(yōu)化問題轉換為無約束的優(yōu)化問題，并根據(jù)計算中的收斂情況引入了適當?shù)囊泼袼阕?，改善了遺傳算法的進化性能，得到了Pareto最優(yōu)解集，成功地解決了該生物殺螺劑的最優(yōu)配方問題。最后，對論文的主要研究內容進行了總結，展望了今后的研究前