學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Filters

2011 - 20132

Settings

Subject: search.filters.subject.動態參數調整

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    具適應性參數調整機制之多目標演化式演算法
    (2011) 陳政南; Chen Cheng-Nan
    現實生活中的決策問題如投資股票時需要考慮多個目標 (風險和收益)，而這些目標通常是互相衝突的，多目標最佳化問題就是要找出同時最佳化這些目標的解集合。求解多目標問題相當困難且耗費時間，而演化式演算法 (evolutionary algorithm) 利用族群演化的特性能在單一回合就能找出近似最佳解集合，因此非常適合求解多目標問題。現今已有非常多成功的應用，但為了在求解各種不同問題時都能有良好的效能，通常需要對演算法參數進行調校，如何減少使用者調校參數的負擔，是一個十分重要的課題。 本論文針對MOEA/D-AMS 演算法中的重要參數進行動態調整，差分演化算子(differential evolution operator)的控制參數 F 和 CR 會影響子代和親代的距離和方向，本論文所使用的方法是收集演化過程中成功產生優於親代的子代所使用的參數組合，基於這些參數組合來調整往後演化所使用的參數，目的是希望讓演算法在面對不同問題的狀態時，都依然能有良好的機率產生優於親代的子代，最後實驗結果會針對演算法在17個多目標問題的效能做評比，以及具動態參數調整的演算法在處理不同型態問題時的分析和討論。
  • No Thumbnail Available
    Item
    多目標演化式演算法之多狀態適應性參數調整機制
    (2013) 陳冠廷
    多目標最佳化問題在現實生活中隨處可見，像是生產排程與規劃問題，目標通常是讓生產效能最大化而耗費成本最低。此類問題的目標通常是相互衝突的，因而求解此類最佳化問題的解集合是相當困難又耗時的。演化式演算法 ( evolutionary algorithm ) 利用族群演化的特性求取 (近似) 最佳解集合，相當適合在多目標最佳化這種類型問題上使用，因此已被廣泛使用與發展。可是演化式演算法在不同的問題上需要不同的參數設定，才能獲得較佳的效能。所以如何讓使用者在參數調校的負擔減少，是一個十分重要的項目。 本論文針對 MOEA/D-AMS 演算法中的差分式演算法主要參數 F 與 CR執行動態調整，兩者分別影響子代和親代的差異程度與選擇子代的基因交配機率。本論文使用MOEA/D-AMS 收斂度評估機制作演化時期參考分類個體，佐以三種狀態參數調整機制去對應個體不同演化時期的調整。目的是希望族群中的個體能夠在不同演化時期獲得最恰當的調整方法來增進效能。最後實驗部分則會評比演算法在17個多目標問題的效能，與其他具動態參數調整機制在處理不同型態問題時的分析和討論。