详情

原文传递基于进化算法的约束多目标优化问题研究

论文题名：	基于进化算法的约束多目标优化问题研究
关键词：	船舶设计;约束多目标优化;协同进化;水动力性能
摘要：	目前约束多目标优化问题广泛存在于生产和科研的多个领域，已成为智能优化领域的研究热点和难点。基于进化算法的约束多目标优化研究因处理效果突出已成为主流的研究方向，但目前还存在易陷入局部最优、Pareto解集分布不均匀、收敛精度不高等问题。特别是约束高维多目标优化问题，随着目标数的增加求解难度大幅度增加，现有算法为了提高收敛精度而导致收敛速度较慢，从而限制了其在实际问题中的应用。因此，研究更为有效的约束多目标进化算法具有重要的理论意义和现实意义。本论文将系统研究约束多目标优化问题，在理论研究上提出一系列改进措施，使得求解各类约束多目标优化问题的算法性能得到有效提升;在实际应用上，针对船舶水动力性能方面亟需解决的优化问题，采用本文提出的改进算法设计求解方案，来改善现有方法的优化效果。论文的主要工作包括以下四个方面。　　第一，提出一种基于分解的自适应ε约束二、三目标差分进化算法。首先，为了平衡算法的分布性和收敛性，改进选择操作，充分利用种群中具有更小目标函数值的不可行个体;其次，为了改善种群多样性，进一步平衡算法的分布性和收敛性，提出一种自适应ε约束水平值的计算方法;最后，为了提高搜索效率并避免陷入局部最优，设计一种基于差分进化思想的交叉策略，通过有效利用优秀不可行个体平衡探索能力和开发能力。通过上述一系列的改进，有效解决了约束二、三目标进化算法存在收敛精度低的问题。　　第二，提出一种基于角度信息的约束高维多目标进化算法。为了提高算法的收敛速度，设计基于角度违反度函数的选择操作，依据动态的收敛性和分布性直接从合并种群中选择较优个体;但是上述改进降低了收敛精度，为此提出基于差分进化算法的交叉策略，并设置比例因数，可以在不同的进化阶段选用不可行个体参与交叉操作。通过上述两方面的改进，在确保收敛精度满足要求的前提下，大幅度提高了算法的收敛速度，有效解决了目前约束高维多目标进化算法因注重收敛精度，导致收敛速度变慢的问题。　　第三，提出一种基于协同进化的等式约束多目标进化算法。对两个种群进行弱协同进化，主种群考虑约束条件负责引导整体种群靠近可行域并接近Pareto前沿，辅助种群不考虑约束条件仅负责探索整个搜索空间;其次，针对两个协同进化的种群分别设计不同的交叉策略;最后，对交叉操作得到的个体增加修复操作，使得更多的个体靠近可行域。通过上述三个方面的改进，有效解决了等式约束多目标进化算法收敛精度低的问题。　　第四，将提出的约束二、三目标进化算法用于船舶操纵性优化设计，实现船舶操纵性优化设计流程，使船舶具有更大的直线稳定性以及更小的相对回转直径;将提出的约束高维多目标进化算法用于绿色船舶水动力性能综合优化设计，构建以快速性、耐波性、操纵性和能效设计指数为目标函数的约束高维多目标优化模型，实现对环保节能指标和水动力性能同时进行综合优化设计流程，使船舶具有更小的总阻力、更大的耐波性品级、更小的操纵性指标和更小的能效指数。
作者：	刘冰洁
专业：	信息与通信工程
导师：	毕晓君
授予学位：	博士
授予学位单位：	哈尔滨工程大学
学位年度：	2021