基于PMOGA和可視化技術(shù)的多目標(biāo)優(yōu)化方法研究.pdf

1、最優(yōu)化問(wèn)題一直都是科學(xué)界和工程界研究的重點(diǎn)和熱點(diǎn)。多年以來(lái)，人們?cè)谝恍﹤鹘y(tǒng)的優(yōu)化問(wèn)題諸如單目標(biāo)優(yōu)化問(wèn)題的研究上已經(jīng)十分成熟。但是工業(yè)過(guò)程中遇到的優(yōu)化問(wèn)題往往牽扯到多個(gè)評(píng)價(jià)目標(biāo)，所以多目標(biāo)優(yōu)化問(wèn)題比單目標(biāo)優(yōu)化問(wèn)題的實(shí)用性更強(qiáng)。近些年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展，各種先進(jìn)的現(xiàn)代智能優(yōu)化算法也應(yīng)運(yùn)而生，傳統(tǒng)多目標(biāo)優(yōu)化問(wèn)題在現(xiàn)代智能優(yōu)化算法中尋找到了新的解決辦法，并取得了良好的效果。但是這些算法在解決實(shí)際工業(yè)問(wèn)題時(shí)卻往往顯得力不從心，原因在于實(shí)際工

2、業(yè)問(wèn)題很難找到嚴(yán)格有效的數(shù)學(xué)表達(dá)模式，而且求解效率不甚理想。
　　 基于以上問(wèn)題，本文對(duì)多目標(biāo)優(yōu)化算法，并行計(jì)算技術(shù)，可視化技術(shù)，化工過(guò)程多目標(biāo)優(yōu)化設(shè)計(jì)和化工過(guò)程多目標(biāo)參數(shù)調(diào)優(yōu)問(wèn)題進(jìn)行了研究。提出了并行多家族遺傳算法聯(lián)合流程模擬器解優(yōu)化設(shè)計(jì)和參數(shù)優(yōu)選問(wèn)題，并使用可視化技術(shù)對(duì)優(yōu)化結(jié)果進(jìn)行了參數(shù)歸納。本文包括以下主要內(nèi)容:
　　 1)對(duì)國(guó)內(nèi)外多目標(biāo)優(yōu)化算法相關(guān)研究工作進(jìn)行了學(xué)習(xí)和總結(jié)，比較了多種多目標(biāo)遺傳算法，選定NSGA-

3、Ⅱ算法作為本論文使用的基本算法。并分析了國(guó)內(nèi)外學(xué)者關(guān)于使用多目標(biāo)遺傳算法包括NSGA-Ⅱ算法解流程工業(yè)多目標(biāo)問(wèn)題的經(jīng)驗(yàn)和耗時(shí)問(wèn)題。
　　 2)研究了并行計(jì)算技術(shù)，提出了并行多家族遺傳算法，使得多目標(biāo)遺傳算法能夠方便地在多臺(tái)計(jì)算機(jī)上并行運(yùn)算，討論了算法參數(shù)設(shè)定問(wèn)題，提高計(jì)算效率，并且獲得更好的結(jié)果，將并行多家族遺傳算法和流程模擬器結(jié)合，并研究了約束條件的處理。
　　 3)提出了“局部適應(yīng)—全局驗(yàn)證”的非線性降維映射和逆映射