《一种改进的进化算法及其在带噪声干扰优化中的应用论文》由会员分享，可在线阅读，更多相关《一种改进的进化算法及其在带噪声干扰优化中的应用论文（54页珍藏版）》请在金锄头文库上搜索。
1、 A new improved Evolution Algorithm in MultiMulti- -stage stage P Process rocess P Planninglanning optimization Candidate Nie Jian Supervisor Prof. Zheng Jinhua College Institute of Information Engineering Program Control theoretics and Control Engineering Specialization Intelligence Control Degree
2、Master University Xiang Tan University Date October, 2011 湘潭大学湘潭大学 学位论文原创性声明学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家
3、有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 I 摘摘 要要 传统进化算法在实际应用中往往受到各种条件的限制。偏好优化、编码方式和动态环境等， 都向传统进化算法提出了更高的要求。偏好优化中比较典型的方法有：利用权重求和将多目标转换为单目标，基于参考点选择方法。他们的不足之处是：难以确定权重系数，参考点选取比较困难。动态环境是进化优化的最大挑战，其干扰对象主要是决
4、策变量和目标函数，通常采用增大种群规模(Population Expansion, PE)以及从大规模种群中抽样求匀值的方法来解决，存在的最大问题是精度难以保证。 本文以工业应用中的多阶段工序计划为研究对象， 针对进化算法优化动态问题和偏好优化存在的不足， 采用多选择策略组合方法及滤波技术对传统进化算法进行改进，主要的工作如下： 第一，把进化算法同实际应用问题紧密结合，结合决策者的信息，提出了一种改进的进化算法(Multi-Decision Conbination Mulit-Object Evolution Algorithm, MDC-MOEA)。 该算法把参考距离选择， 非支配排序选择和
5、种群密度选择以概率的方式有机的结合在一起，作为对偏好解的选择策略，实验表明，这种选择策略高效可靠。 第二，针对算法在干扰环境下优化效果差的缺陷，通过引入滤波技术，建立了基于傅里叶空间变换的噪声处理算子，并将该算子应用到进化算法中，使改进后的进化算法在动态环境下具有较好的优化效果。 第三，以现代制造系统中的多阶段工序计划问题(MPP)为研究课题，使用算法 MDC-MOEA 和滤波技术在动态环境下对它进行了偏好优化，优化结果表明，算法解决此类问题非常用效。 关键词关键词：进化算法，多阶段工序计划问题，噪声干扰，偏好优化，傅里叶空 间变换，滤波II AbstractAbstract The Trad
6、itional EAs often meet some challenges when put into practice. Preferred Optimization, Coding Model and Dynamic Environment ask a higher performance of EAs. In the Preferred Optimization, the weighted summation of fitness function which transforms multi-object into single-object and the reference po
7、int based decision are often used. In the weighted summation of fitness function, the weighted parameter is difficult to confirm and the reference point is not easy to find. Dynamic environment is always the largest challenge of EAs. Under dynamic conditions, the designed variables and object functi
8、on often meet interferences. The main solution are Population Expansion(PE) and calculating the mean of sampling numbers, but the precision of the solution cant be guaranteed. Aimed at the industry application in the Multi-stage process planning and considering the above deficiencies, this paper pro
9、posed a Multi-Decision Conbination Mulit-Object Evolution Algorithm(MDC-MOEA) and adopted filering technique. The main works of this paper includes the following points. Firstly, considering the practice application and based on the information of decision maker, this paper takes Mulit-Decision Comb
10、ination technique which combines non-dominated decision, reference distance and crowding density decision with probability as the new decision policy. It proved to be a high performance in the simulation. Secondly, aimed at the noises in the EAs which make the EAs cant find optimization, this paper
11、has found a new filtering approach based on Fourier Space Transform and applied it in MDC-MOEA. Hence, the improved MDC-MOEA also performs well in dynamic environment. At last, By taking the Multi-stage Process Planning Problem in the manufacturing industry as optimization task, the MDC-MOEA with fi
12、ltering approach has done preferred optimization in the dynamic environment successfully and simulation show its high efficiency. Key words: evolutionary algorithms; multi-stage process planning problem; noisy interferences; preferred optimization; fourier space transform; filtering. III 符号说明表 MPP：
13、多阶段工序计划(Multi-stage process planning) EAs： 进化算法(Evolutionary Algorithms) MDC-MOEA： 基于距离选择的偏好进化算法(Muliti-Decision Combination- Muliti-Objective Evolutionary Algorithm) MOEA： 多目标进化算法(Multi-Objective Evolutionary Algorithm) FST： 傅里叶空间变换(Fourier Space Transform) NSGA-II： 非支配排序遗传算法(Nondominated Sorting Genetic Algorithm II) MCI： 蒙特卡罗积分(Monte Carlo Integration) PE： 增大种群规模(Population Expansion) IV 目 录 第 1 章 绪论 . 1 1.1 多阶段工序计划问题. 1 1.2 进化算法和偏好问题. 2 1.3 评价函数干扰. 3 1.4 篇章结构. 3 第 2 章 基本概念及定义 . 5 2.1 单目标最优解的定义. 5 2.2 多目标最优解的定义. 5 2.3
