西南交通大学学报
西南交通大學學報
서남교통대학학보
JOURNAL OF SOUTHWEST JIAOTONG UNIVERSITY
2014年
6期
1061-1067
,共7页
随机规划%多模态期望值规划%多目标优化%免疫优化%自适应采样
隨機規劃%多模態期望值規劃%多目標優化%免疫優化%自適應採樣
수궤규화%다모태기망치규화%다목표우화%면역우화%자괄응채양
stochastic programming%multi-modal expected value programming%multi-objective optimization%immune optimization%adaptive sampling
为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.
為瞭求解未知隨機變量分佈下單目標多模態期望值規劃,通過引入檢測候選解是否為跼部最優解的隨機函數,將該期望值規劃問題轉化為多目標期望值規劃問題,併進一步探尋問題的轉化關繫,穫得在一定條件下有效解是最優解的結論;根據樣本平均近似化思想,將多目標規劃轉化為非恆定樣本採樣的近似化模型,併基于剋隆選擇和免疫記憶的機理,通過設計遞歸非支配分層、樣本自適應採樣和自適應繁殖與變異方案,引導進化種群往優質箇體所在區域轉移,提齣瞭求解該近似化模型的免疫優化算法.倣真結果錶明:與參與比較的多目標優化算法相比,該算法搜索多箇最優解方麵有明顯優勢,搜索效果穩定,譟聲抑製能力彊;求解低、高維標準測試問題穫得最優解的數量分彆平均提高瞭20%和70%.
위료구해미지수궤변량분포하단목표다모태기망치규화,통과인입검측후선해시부위국부최우해적수궤함수,장해기망치규화문제전화위다목표기망치규화문제,병진일보탐심문제적전화관계,획득재일정조건하유효해시최우해적결론;근거양본평균근사화사상,장다목표규화전화위비항정양본채양적근사화모형,병기우극륭선택화면역기억적궤리,통과설계체귀비지배분층、양본자괄응채양화자괄응번식여변이방안,인도진화충군왕우질개체소재구역전이,제출료구해해근사화모형적면역우화산법.방진결과표명:여삼여비교적다목표우화산법상비,해산법수색다개최우해방면유명현우세,수색효과은정,조성억제능력강;구해저、고유표준측시문제획득최우해적수량분별평균제고료20%화70%.