找回密码
 注册
关于网站域名变更的通知
查看: 383|回复: 1
打印 上一主题 下一主题

[毕业设计] 高维多目标优化中基于稀疏特征选择的 目标降维方法

[复制链接]
  • TA的每日心情
    开心
    2020-9-8 15:12
  • 签到天数: 2 天

    [LV.1]初来乍到

    跳转到指定楼层
    1#
    发表于 2021-3-15 10:34 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

    EDA365欢迎您登录!

    您需要 登录 才可以下载或查看,没有帐号?注册

    x
    摘 要: 目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种 新的思路和方法.近似解集的几何结构特征和 Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而 现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法, 该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵, 依据此矩阵度量目标的重要性,并利用 Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过 与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较 小.
    8 Q2 l: {+ c$ V1 i% e6 R# Z6 x

    : l: |% F6 E# @. ?# \3 O4 }; u关键词: 高维多目标优化;目标降维;稀疏特征选择
    5 y3 Z' m4 S5 \6 I$ `& ]) h; Q
    1 [9 j: E" g8 y+ V  @3 {
    ! d) w- N: ~& O8 _$ Z; r
    7 C0 T9 X* O, \) Z( i
          近几年,目标个数多于 4个的高维多目标优化问题 (ManyObjectiveOptimizationProblems)[1]引起了学者广泛 关注[2~4].研究发现[5,6],经典的多目标进化算法(Multi ObjectiveEvolutionaryAlgorithms,MOEAs),特 别 是 基 于 Pareto占优机制的算法,虽然能有效地求解 2或 3个目 标的问题,但当目标个数增加时,其收敛能力随之下降. 而且,目标个数的增多也会带来可视化、决策选择以及 计算复杂度增加等困难[7].“维数灾难”是造成高维多目 标优化问题求解困难的主要因素.$ g& x( ?. H' X2 u1 e: w

    + I* t$ I# t+ R% V  e" f5 K
    " g8 Z- b. {. a

    0 b1 G" v3 V1 n& G

    : I! |3 E" M% L1 D附件下载:
    游客,如果您要查看本帖隐藏内容请回复
    3 A) }5 V, C9 A
  • TA的每日心情
    开心
    2020-9-2 15:04
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    2#
    发表于 2021-3-15 11:22 | 只看该作者
    高维多目标优化
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-7-25 14:07 , Processed in 0.109375 second(s), 26 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表