基于預測模型的動態(tài)多目標優(yōu)化算法研究.pdf

1、動態(tài)多目標優(yōu)化問題(DMOP)是科學研究與工程實踐中普遍存在的基礎(chǔ)性優(yōu)化問題，應用前景廣泛，解決其中的核心難題，對推進該領(lǐng)域的發(fā)展與應用有著重要的科學與工程意義。目前，大多數(shù)動態(tài)多目標問題的求解方法(DMOEA)是在一些成功的靜態(tài)多目標優(yōu)化進化算法的基礎(chǔ)上，采用某些改進的輔助策略應對問題的變化，但是這些改進策略大多以增加算法搜索的隨機性、降低收斂速度為代價應對問題的變化，并沒有針對不同問題的特性進行相應的算法改進，難以取得滿意的優(yōu)化性能

2、。
　　針對動態(tài)多目標優(yōu)化問題的特點，本文提出了一種新的基于預測模型的動態(tài)多目標優(yōu)化算法(N-PDMOEA)，利用啟發(fā)式知識設計新的預測模型，以解決Pareto最優(yōu)解集動態(tài)平移問題(DMOP-TPS)，并應用該方法解決云計算任務調(diào)度中的優(yōu)化問題。本文圍繞基于預測模型的動態(tài)多目標優(yōu)化算法以及其在云計算任務調(diào)度中的應用展開，主要內(nèi)容包括：
　　首先，綜述了動態(tài)多目標優(yōu)化問題及目前已有的求解方法，建立基于預測模型的動態(tài)多目標優(yōu)化算

3、法的基本概念，并闡述了需要針對不同問題設計不同的預測模型的原因，指出預測的合理性問題；
　　其次，在研究一般動態(tài)多目標問題和預測模型的基礎(chǔ)上，定義一種具有普遍意義的Pareto最優(yōu)解集動態(tài)平移問題模型，針對此問題提出了一種基于新預測模型(ADLM)的動態(tài)多目標進化算法。此算法的在多目標領(lǐng)域的經(jīng)典算法(NSGA2)基礎(chǔ)上，根據(jù)Pareto最優(yōu)解集動態(tài)平移問題的特點，設計了一種針對該問題的新預測模型。四種模型的對比實驗及分析表明本預測

4、模型在解的收斂性方面有較好的表現(xiàn)，同時四種模型的時間復雜度分析也表明了本預測模型在時間性能方面的優(yōu)勢。
　　最后，本文提出了一種云計算環(huán)境下基于新預測模型的動態(tài)多目標任務調(diào)度算法(N-PDMOTSA)。針對現(xiàn)實云計算環(huán)境中的任務調(diào)度，定義了一種Pareto最優(yōu)解集動態(tài)平移任務調(diào)度問題(DCCTS)，針對該問題的特點，設計了基于新預測模型的動態(tài)多目標任務調(diào)度算法。仿真實驗結(jié)果表明，該算法可以較好的解決云計算環(huán)境下的Pareto最優(yōu)解