《基於目標域分層的不確定高維多目標最佳化及其套用研究》是依託南京航空航天大學，由蔡昕燁擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於目標域分層的不確定高維多目標最佳化及其套用研究
- 項目類別：青年科學基金項目
- 項目負責人：蔡昕燁
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
不確定高維多目標問題是智慧型最佳化領域面臨的巨大挑戰。現有的不確定多目標處理技術通過更改Pareto支配規則, 如Fuzzy dominance,對目標間的不確定性給予一定的容忍度，從而使最佳化算法具備較好的魯棒性。然而，此類算法存在高維多目標、目標同等重要假設以及目標空間域結構關係的處理等諸多問題。本項目旨在利用先驗的目標結構關係信息設計一種基於目標域分層的fuzzy dominance，並對此進行一系列的拓展研究。主要內容和目標為：（１）通過先驗的結構信息，將分層思想引入目標域空間的構造，設計基於目標域分層的fuzzy dominance，克服高維多目標等問題；（2）將上述思想套用於最佳化算法的設計，設計一種新的不確定性高維多目標最佳化算法；（3）套用上述算法於基於噪聲數據的基因調控網路模型參數最佳化問題。
結題摘要
本項目主要圍繞高維多目標進化算法開展研究。首先對目標域進行排序選擇(SBS)，並嵌入基於分解的多目標最佳化框架（MOEA/D），進而提出了基於排序選擇的多目標進化算法(MOEA/D-SBS)。然後，在考慮降低時間複雜度的基礎上，通過分解方法將目標域進行分層排序，提出了一種基於分解分層排序的解的選擇方法（DBS），由於DBS利用了解在目標空間中與分解後子問題的權重向量的距離進行關聯，有些子問題可綁定多個解，有些子問題無解綁定，因此每個子問題被自適應地分配了不同的計算資源。為了進一步提高在處理具有不確定Pareto前沿形狀的高維多目標最佳化問題的能力，我們進一步提出了一種基於角度的解的選擇方法（ABS）；最終將DBS和ABS拓展到了高維多目標最佳化算法設計中，提出了基於分解分層排序和角度選擇的高維多目標最佳化方法 - MOEA/D-SAS。本項目所提出的算法不但對2-3個目標的多目標最佳化問題性能優異，而且和state-of-art的高維多目標最佳化算法（NSGA-III）相比，MOEA/D-SAS在高維問題上仍具有更好的性能，且隨著目標數目的增加，其優勢越明顯。最終，我們將算法套用於分散式綜合模組化航電系統（DIMA）架構最佳化設計問題。實驗表明，在充分滿足資源、隔離等各種約束的條件下，算法可進一步提高了設備的利用率，有效降低DIMA系統質量以及飛行運營中斷成本。
