导读:本文包含了权重进化论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:权重,算法,目标,线性,权法,粒子,惯性。
权重进化论文文献综述
张博羿[1]（2018）在《基于参考点和突变惯性权重的多目标进化算法研究》一文中研究指出本文首先介绍了多目标优化的概念,对算法的发展历程进行了概括并简要介绍了算法的评价指标。随后介绍了本文主要在多目标进化算法上所做的工作。在本文中首先主要针对算法陷入局部最优的情况,引入突变惯性权重机制。使惯性权重突然增大或是急速衰减,使用最小距离和拥挤距离策略对外部归档集进行维护,通过轮盘赌策略选取全局最优位置,并在实验中证明其有效性。在实验中还比较了其与固定值、线性改变的惯性权重机制的优劣性,利用图示从收敛性与多样性方面进行比较;传统的进化算法在解决高维多目标问题时会遇到计算困难等问题,本文的第二种算法主要针对这一问题进行研究,采用在迭代过程中根据当前种群产生一系列兼具收敛性以及多样性的参考点来指导进化,根据外部文件求解方案在目标空间中生成一系列参考点,并利用非支配解与参考点之间的相对位置,选择最终的粒子作为解。这些参考点能够同时具有良好的收敛性和多样性。并用实验证明其有效性。在实验中还可以看出,对于本文的两种算法来说,基于突变惯性权重的多目标进化算法在收敛性上表现较为出色,而基于参考点的多目标进化算法则在多样性上表现较为出色。在本文的最后利用本文的两种算法计算一种实际用例,即电力系统的经济调度问题,借此来说明如何将进化算法应用到实际中,在本节中将排放量及燃料量作为算法的目标函数,利用费用及排放比较两算法的优劣性。(本文来源于《东北师范大学》期刊2018-06-01）
江珊,陈磊,刘海林[2]（2016）在《带有权重偏好的多目标进化算法》一文中研究指出对于现实生活中的一些多目标优化问题,往往存在着多个决策者的偏好.提出了一种新的偏好方式:决策者对目标函数的权重偏好,该方法在Delphi法下由决策者对目标函数的重要性打分形成,能够更好地体现出决策者的偏好,并且简单易行.结合M2M算法,形成了一种求解多目标优化问题的混合算法.数值实验显示,在不同偏好下,多目标优化问题的结果也不一样,这与实际情形相吻合.在实际生活中,这种方法也具有一定的现实意义.(本文来源于《广东工业大学学报》期刊2016年01期）
江珊[3]（2015）在《带有权重偏好的进化多目标算法》一文中研究指出在求解多目标优化问题的时候,一般采用进化多目标算法,进化多目标算法是一种模拟生物自然选择与自然进化的随机搜索算法,由于它适应用于求解高度复杂的非线性问题而得到非常广泛的应用.采用进化算法解决多目标优化问题时,往往会求出一组pareto最优解,这些解已经没有好坏之分,那么对于决策者来说,要选择满意的最优解就有一定的难度,这时引入决策者的偏好就是最好的打破这种平衡的关键.偏好信息的目的在于使决策者通过其对具体问题的认识,参与到优化过程,使算法搜索集中于决策空间和目标空间的理想子区域,从而使得算法搜索更有效率.本文对已有的偏好进化多目标算法做了简单的总结,研究者们已研究的偏好方式包括参考点、参考方向、偏好区域、模糊偏好以及随机偏好等等,本文详细的总结了在偏好区域、模糊偏好和随机偏好这叁种偏好形式下,研究者们所作出的具体的研究成果.对每一种偏好方式,本文总结了各个研究者所提出的偏好处理方式,以及所采用的进化多目标算法,并且对其中的几种偏好方式进行了优缺点的分析,有利于后来学者的研究.对于现实生活中的一些多目标优化问题,往往存在着多个决策者的偏好.本文在总结了已有偏好方式的前提下,提出了一种新的偏好方式,决策者对目标函数的权重偏好,该方法在Delphi法下由决策者对目标函数的重要性打分形成,能够更好地体现出决策者的偏好,并且简单易行.结合M2M算法,分区域的搜索策略保证了解的分布性,同时也在很大程度上减少了计算量.形成了一种求解多目标优化问题的混合算法.数值实验显示,在不同偏好下,多目标优化问题的结果也不一样,这与实际情形相吻合.(本文来源于《广东工业大学》期刊2015-05-01）
王建芹,高兴宝[4]（2012）在《自适应权重差分进化算法》一文中研究指出针对使用不同中间向量遗传策略(学习策略)的差分进化算法所表现出的性能不同,提出一种改进的差分进化算法,对已有的两种遗传策略引入自适应权重,设计了一个新的中间向量遗传策略.通过对基准函数进行测试,结果表明新算法避免了早熟收敛,寻优性能较好,收敛速度较快,具有一定的有效性.(本文来源于《陕西科技大学学报(自然科学版)》期刊2012年04期）
刘海林,辜方清,张晓明[5]（2012）在《基于幂变换的多目标进化算法MOEA?D权重设计方法》一文中研究指出在多目标最优化问题中,如何求解一组均匀散布在前沿界面上的有效解具有重要意义.MOEA?D是最近出现的一种杰出的多目标进化算法,当前沿界面的形状是某种已知的类型时,MOEA?D使用高级分解的方法容易求出均匀散布在前沿界面上的有效解.然而,多目标优化问题的前沿界面的形状通常是未知的.为了使MOEA?D能求出一般多目标优化问题的均匀散布的有效解,利用幂函数对目标进行数学变换,使变换后的多目标优化问题的前沿界面在算法的进化过程中逐渐接近希望得到的形状,提出了一种求解一般的多目标优化问题的MOEA?D算法的权重设计方法,并且讨论了经过数学变换后前沿界面的保距性问题.采用建议的权重设计方法,MOEA?D更容易求出一般的多目标优化问题均匀散布的有效解.数值结果验证了算法的有效性.(本文来源于《计算机研究与发展》期刊2012年06期）
孟磊,周兰江[6]（2009）在《基于CNF权重学习求解3-SAT问题的进化算法》一文中研究指出SAT(Satisfiability)可满足性问题研究具有很广的应用价值,是计算机和人工智能领域内的一个重要问题,也是第一个被证明为NP完全的问题。随着对SAT问题的深入研究,已经提出了很多高效的算法,其中随机算法(WalkSAT)、进化算法等启发式算法是今年来研究的热点。进化算法是遗传算法的一种,通过对生物组织进化的学习,形成的一种高效算法。针对CNF(Con-jecture Normal Formula)权重和生物进化算法相结合,提出一种有效求解难SAT问题的不完全算法WOSAT.(本文来源于《贵州大学学报(自然科学版)》期刊2009年05期）
王楠[7]（2005）在《变权重多目标进化算法研究》一文中研究指出大多数现有的多目标进化算法每一个循环都要对种群中的部分或全部个体进行排序或比较,使得计算量很大。本文介绍了一种基于变权重线性加权的Pareto轨迹法WSTPEA---Weighted Sum Approachand Tracing Pareto Method),算法采用线性加权法对多目标优化问题加以改造,通过对权重加一个增量来得到邻近的非劣解,每执行一个循环步骤求得一个非劣解。通过权重变化次数控制算法循环的次数,从而使整个种群遍历Pareto曲线(面)面。文中给出了算法的流程图,并且对两个实验测试问题进行了计算,最后对结果进行了分析。(本文来源于《当代经济管理》期刊2005年06期）
唐卫东,关志华,吴中元[8]（2002）在《基于变权重法的Pareto轨迹多目标进化算法》一文中研究指出大多数现有的多目标进化算法 (MOEA- Multiobjective Evolutionary Algorithm )都是基于 Pareto机制的 ,如 NPGA (Niched Pareto Genetic Algorithm ) ,NSGA(Non- dom inated Sorting Genetic Algorithm )等。这些算法的每一个循环都要对种群中的部分或全部个体进行排序或比较 ,计算量很大。文中介绍了一种基于变权重线性加权的 Pareto轨迹法 - WSTPEA(Weighted Sum Approach and Tracing Pareto Method) ,该算法不是同时求得所有可能的非劣解 ,而是每执行一个循环步骤求得一个非劣解 ,通过权重变化次数控制算法循环的次数 ,从而使整个种群遍历 Pareto曲线 (面 )。文中给出了算法的详细描述和流程图 ,并且对两个实验测试问题进行了计算 ,最后对结果进行了分析(本文来源于《西北农林科技大学学报(自然科学版)》期刊2002年04期）
权重进化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于现实生活中的一些多目标优化问题,往往存在着多个决策者的偏好.提出了一种新的偏好方式:决策者对目标函数的权重偏好,该方法在Delphi法下由决策者对目标函数的重要性打分形成,能够更好地体现出决策者的偏好,并且简单易行.结合M2M算法,形成了一种求解多目标优化问题的混合算法.数值实验显示,在不同偏好下,多目标优化问题的结果也不一样,这与实际情形相吻合.在实际生活中,这种方法也具有一定的现实意义.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
权重进化论文参考文献
[1].张博羿.基于参考点和突变惯性权重的多目标进化算法研究[D].东北师范大学.2018
[2].江珊,陈磊,刘海林.带有权重偏好的多目标进化算法[J].广东工业大学学报.2016
[3].江珊.带有权重偏好的进化多目标算法[D].广东工业大学.2015
[4].王建芹,高兴宝.自适应权重差分进化算法[J].陕西科技大学学报(自然科学版).2012
[5].刘海林,辜方清,张晓明.基于幂变换的多目标进化算法MOEA?D权重设计方法[J].计算机研究与发展.2012
[6].孟磊,周兰江.基于CNF权重学习求解3-SAT问题的进化算法[J].贵州大学学报(自然科学版).2009
[7].王楠.变权重多目标进化算法研究[J].当代经济管理.2005
[8].唐卫东,关志华,吴中元.基于变权重法的Pareto轨迹多目标进化算法[J].西北农林科技大学学报(自然科学版).2002
论文知识图
