麵向多目標優化的群智能算法研究論文(PDF 70頁）

圖1．1多目標優化的發展曆程?????．．4
圖2．1 PSo借助群居生物尋優原理圖??．8
圖2．2粒子群算法流程圖?10
圖2．3蟻群路徑搜索原理?ll
圖3．1目標空間的Pareto最優解和最優前沿????．．1 8
圖3．2優化與決策的係統構成圖????l 9
圖3．3從決策的觀點對多目標優化方法分類?????20
圖4．1測試函數三上的Pareto最優解?．33
圖4．2測試函數四上的Pareto最優解?．33
圖4．3算法在測試函數五上比較????34
圖4．4算法在測試函數六上比較????34
圖5．1 N．EPSo算法流程?．．38
圖5．2 N．EPSo與文獻【48】中算法的迭代曲線比較??4l
圖5．3改進的算法流程??43
圖5．4三個算法運行l 00次的迭代曲線圖??????44
圖5．5種群大小為50的曲線圖????．．45
圖5．6種群大小為20的曲線圖????．．45
圖5．7新算法在ulysses22上迭代曲線圖????．．．??46
圖6．1求解多目標TSP的算法流程圖?．48
圖6．2各算法求得的Pareto最優解分布情況????．．50
圖6．3城市數目為20的測試結果???．．5 l
圖6．4城市數目為30的測試結果???．．5 1
圖6．5城市數目為50的測試結果???．．52
表4．1本文算法與MOPSo的參數設置．．30
表4．2不同算法的解分布情況比較???32
表4．3不同算法的覆蓋指標C的比較?．32
表5．1口和∥取不同值時收斂代數統計?39
表5．2實驗參數設置???．40
表5．3兩種算法的搜索效率比較????40
表5．4三個算法運算l 00次的收斂比率和運算時間?43
表5．5算法參數設置???．44
表5．6種群大小為50的實驗結果???．．45
表5．7種群大小為20的實驗結果???．．46
表5．8 ulysses22問題上的統計結果???46
表6．1各算法找到的Pareto最優解??．．49
表6．2各算法在覆蓋指標C上的比較?．49
表6．3實驗二的參數設置?5l
..............................