• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于隱馬爾可夫鏈的自適應(yīng)MODE及應(yīng)用

    2021-07-28 12:36:34崔彩霞畢超超范勤勤
    關(guān)鍵詞:測試函數(shù)馬爾可夫控制參數(shù)

    崔彩霞,畢超超,范勤勤,3

    1.上海海事大學(xué) 物流科學(xué)與工程研究院,上海201306

    2.上海海事大學(xué) 物流研究中心,上海201306

    3.上海交通大學(xué) 電子信息與電氣工程學(xué)院,上海200240

    差分進(jìn)化算法[1]是由Storn和Price于1997年提出的一種高效元啟發(fā)式搜索算法。由于該算法易于實(shí)現(xiàn)、尋優(yōu)性能強(qiáng)、魯棒性好,從而吸引了國內(nèi)外學(xué)者的關(guān)注與研究,并被用于求解各領(lǐng)域的優(yōu)化問題。

    除求解單目標(biāo)優(yōu)化問題外,差分進(jìn)化算法也被用來求解各類多目標(biāo)優(yōu)化問題。為提高其性能,各種多目標(biāo)差分進(jìn)化算法(Multi-Objective Differential Evolution Algorithm,MODE)被不斷提出。比如Kukkonen 等人[2]于2005 年提出的GDE3(The Third Evolution Step of Generalized Differential Evolution)算法是其中一種較為典型的多目標(biāo)差分進(jìn)化算法,并被用于解決有約束的多目標(biāo)優(yōu)化問題。該算法對變異策略進(jìn)行改進(jìn),并且增加新的選擇規(guī)則。張春美等人[3]提出一種參數(shù)自適應(yīng)的分布式差分進(jìn)化算法(Distributed Differential Evolution Algorithm with Adaptive Parameters,APDDE)。該算法根據(jù)馮·諾依曼拓?fù)浣Y(jié)構(gòu)將初始種群分為多個(gè)子種群,用子種群的優(yōu)秀個(gè)體代替其鄰域子種群中的較差個(gè)體,并根據(jù)個(gè)體適應(yīng)值的變化情況對種群內(nèi)各個(gè)體分配不同的F和CR,從而實(shí)現(xiàn)參數(shù)自適應(yīng)。結(jié)果表明該算法在收斂速度和求解質(zhì)量上都有所提高。李牧東等人[4]于2016年提出一種基于最優(yōu)高斯隨機(jī)游走和個(gè)體篩選策略的差分進(jìn)化算法(Differential Evolution Based on Optimal Gaussian Random Walk and Individual Selection Strategies)。在該算法中,首先利用最優(yōu)高斯隨機(jī)游走策略產(chǎn)生新的種群;然后僅對種群中性能較差的個(gè)體進(jìn)行交叉和變異操作,并使用改進(jìn)的個(gè)體篩選策略來產(chǎn)生新個(gè)體;最后,得到一個(gè)新種群。實(shí)驗(yàn)結(jié)果表明該算法具有較快的收斂速度和較好的魯棒性。Fan 等人[5]提出一種基于性能指標(biāo)的多目標(biāo)差分進(jìn)化算法(Multi-Objective Differential Evolution with Performance-Metricbased Self-adaptive Mutation Operator,MODE-PMSMO)。該算法采用一種多目標(biāo)性能評價(jià)指標(biāo)來指導(dǎo)變異策略的動(dòng)態(tài)調(diào)整。所得結(jié)果表明MODE-PMSMO 能夠根據(jù)進(jìn)化進(jìn)程自適應(yīng)得到合適的變異策略來求解相應(yīng)類型的多目標(biāo)優(yōu)化問題。候瑩等人[6]提出了一種基于參數(shù)動(dòng)態(tài)調(diào)整的多目標(biāo)差分進(jìn)化算法(Adaptive Multi-Objective Differential Evolution Algorithm Based on the Dynamic Parameters Adjustment,AMODE)。該算法通過實(shí)現(xiàn)控制參數(shù)自適應(yīng)的方式來提高其求解多目標(biāo)優(yōu)化問題的能力。實(shí)驗(yàn)結(jié)果表明該算法能夠有效提高所得帕累托前沿的收斂性和多樣性。Lin等人[7]于2018年提出一種具有多種差分進(jìn)化策略的自適應(yīng)免疫啟發(fā)多目標(biāo)算法(An Adaptive Immune-inspired Multi-Objective Algorithm with Multiple Differential Evolution Strategies)。該算法將差分變異算子融入到多目標(biāo)免疫算法中,結(jié)果表明所提算法有效提高了解集的多樣性。艾兵等人[8]提出一種基于多策略和排序變異的多目標(biāo)差分進(jìn)化算法(Multi-Objective Differential Evolution Algorithm with Multi-strategy and Ranking-based Mutation,MODEMERM)。該算法利用基于多策略和排序變異的DE 算子進(jìn)行變異操作。所得結(jié)果表明MODE-MERM采用多種變異策略能夠平衡解集的收斂性與多樣性。童旅楊等人[9]于2019 年提出一種基于分解和多策略變異的多目標(biāo)差分進(jìn)化算法(Multi-Objective Differential Evolution Algorithm Based on Decomposition and Multi-Strategy Mutation,MODE/DMSM)。該算法利用改進(jìn)的切比雪夫分解方法將多目標(biāo)優(yōu)化問題分解成多個(gè)單目標(biāo)子問題;并采用多策略變異的方法來求解各個(gè)子問題。實(shí)驗(yàn)結(jié)果表明MODE/DMSM使用多個(gè)差分變異算子能夠得到多樣性和收斂性較好的解集。

    雖然眾多學(xué)者對多目標(biāo)差分進(jìn)化算法已進(jìn)行大量研究,但是在其控制參數(shù)和策略自適應(yīng)方面仍存在一些問題。比如,現(xiàn)有多目標(biāo)差分進(jìn)化算法的自適應(yīng)方法一般不具有預(yù)測功能,因此這會大大降低其所得控制參數(shù)和策略的適應(yīng)性。為解決該問題,本研究提出一種基于隱馬爾可夫鏈的自適應(yīng)多目標(biāo)差分進(jìn)化算法(Selfadaptive Multi-Objective Differential Evolution Algorithm Based on Hidden Markov Chain,SMODE-HMC)。在SMODE-HMC 算法中,隱馬爾可夫鏈方法被分別用來預(yù)測控制參數(shù)和變異策略的演化趨勢,從而實(shí)現(xiàn)自適應(yīng)調(diào)整。通過16 個(gè)基準(zhǔn)多目標(biāo)優(yōu)化問題的測試,結(jié)果表明所提算法的整體性能要好于其他9 種比較算法。另外,本研究還將SMODE-HMC 算法用于求解海鐵聯(lián)運(yùn)多目標(biāo)優(yōu)化問題,得到令人滿意的結(jié)果。

    1 預(yù)備知識

    1.1 多目標(biāo)優(yōu)化問題

    在現(xiàn)實(shí)世界中,多目標(biāo)優(yōu)化問題(Multi-objective Optimization Problems,MOPs)廣泛存在于各個(gè)領(lǐng)域,如多目標(biāo)柔性車間作業(yè)調(diào)度[10]、電動(dòng)車充電站規(guī)劃[11]等問題。通常情況下,多目標(biāo)優(yōu)化問題中的各個(gè)子目標(biāo)相互矛盾且不可調(diào)和。不失一般性,多目標(biāo)優(yōu)化問題的數(shù)學(xué)形式表示如下:

    其中,x為決策向量;Ω∈RD為D維決策空間;m表示優(yōu)化目標(biāo)數(shù)量。其他一些相關(guān)概念如下:

    定理1(支配關(guān)系)向量p支配另一個(gè)向量q(記作p?q)的條件是:如果對?w∈{1,2,…,k},pw≤qw,并且p≠q。

    定理2(Pareto 最優(yōu)解集)一個(gè)向量x*∈Ω,如果不存在其他向量x∈Ω,使得F(x)?F(x*),那么就稱x*為Pareto解,x*的集合(記作X*)被稱為Pareto最優(yōu)解集。

    定理3(Pareto 前沿)多目標(biāo)優(yōu)化問題中,Pareto 最優(yōu)解集中的解對應(yīng)的目標(biāo)向量被稱為Pareto前沿(Pareto Front,PF)。

    1.2 多目標(biāo)性能評價(jià)指標(biāo)

    多目標(biāo)性能評價(jià)指標(biāo)能夠?qū)λ媒饧|(zhì)量做出評判,通常使用的方法有世代距離(Generational Distance,GD)、空間分布評價(jià)方法(Spacing,SP)與反向世代距離(Inverted Generational Distance,IGD)[12-14]。其中GD是收斂性指標(biāo),評價(jià)的是所得解集與真實(shí)Pareto前沿的逼近程度;SP 是多樣性指標(biāo),評價(jià)的是所得解集在真實(shí)Pareto前沿上分布的均勻性;IGD是綜合性指標(biāo),評價(jià)的是所得解集的收斂性和多樣性。具體計(jì)算公式如下:

    (1)GD

    式中,PF*表示一組沿著真實(shí)PF均勻分布的解集;C表示算法得到的PF逼近;d(z,PF*)表示z與PF*最近點(diǎn)的歐幾里德距離;|C|表示C中解的數(shù)量。GD 值越小,說明所得解集的收斂性越好,與PF越逼近。

    (2)SP

    式中,k表示非支配解的個(gè)數(shù);di表示第i個(gè)解與其他解的最小歐幾里德距離;dˉ表示所有di的平均值。SP值越小,說明所得解集的均勻性越好。值得注意的是該性能指標(biāo)并未對所得解集的延展性進(jìn)行評價(jià)。

    (3)IGD

    式中,d(z*,C)表示z*與C最近點(diǎn)的歐幾里德距離;|PF*|表示PF*中解的數(shù)量。IGD值越小,說明所得目標(biāo)解集的收斂性和多樣性就越好。

    1.3 標(biāo)準(zhǔn)差分進(jìn)化算法

    差分進(jìn)化算法是一種高效的元啟發(fā)式搜索算法,標(biāo)準(zhǔn)差分進(jìn)化算法主要有以下幾個(gè)步驟:

    (1)初始化

    設(shè)置參數(shù),例如初始化縮放因子F、交叉概率CR、種群規(guī)模PS和最大迭代次數(shù)等。同時(shí),在定義域(Ω)內(nèi),生成初始化種群。

    (2)變異

    種群中的個(gè)體通過變異策略生成變異個(gè)體,差分進(jìn)化算法常用的變異策略如下所示:

    式中,D為多目標(biāo)優(yōu)化問題的維度,Rj為[0,1]之間均勻隨機(jī)數(shù),jrand為[1,D] 范圍內(nèi)的一個(gè)隨機(jī)整數(shù)。

    (4)選擇

    選擇試驗(yàn)個(gè)體與種群個(gè)體中較優(yōu)個(gè)體進(jìn)入下一代,選擇方式如下:

    1.4 隱馬爾可夫模型

    隱馬爾可夫模型(Hidden Markov Model,HMM)是馬爾可夫鏈(Markov Chains,MC)的其中一種方法。在隱馬爾可夫模型中,最難確定的是隱含狀態(tài)參數(shù)。雖然HMM的隱藏狀態(tài)不能被直接觀測到,但是隱藏狀態(tài)會通過一定的概率分布在外部狀態(tài)中被觀測到。因此,隱馬爾可夫模型是一個(gè)隱藏和非隱藏的雙重隨機(jī)過程,第一重是一個(gè)隱藏狀態(tài)轉(zhuǎn)移到另一個(gè)隱藏狀態(tài)的隨機(jī)過程,這是不可被觀測的;第二重是一個(gè)隱藏狀態(tài)到外部展現(xiàn)的隨機(jī)過程,這是可以被觀測的。隱馬爾可夫模型的一些相關(guān)概念如下[15]。

    隱馬爾可夫模型的圖結(jié)構(gòu)如圖1 所示。其中{s1,s2,…,sN}是HMM 的狀態(tài)序列,即隱藏的馬爾可夫鏈。其中st∈S表示t時(shí)刻模型的狀態(tài)。S={g1,g2,…}表示有K1個(gè)可能取值的狀態(tài)空間;{o1,o2,…,oN}是HMM 的觀測序列,其中ot∈O表示t時(shí)刻模型的觀測值。{h1,h2,…} 表示O的取值范圍。

    圖1 隱馬爾可夫模型

    在HMM中,各個(gè)隱藏狀態(tài)間的轉(zhuǎn)換概率稱為狀態(tài)轉(zhuǎn)移概率,通常記為矩陣,其中:

    模型在初始狀時(shí)刻各狀態(tài)出現(xiàn)的概率即為初始狀態(tài)概率,記為π={π1,π2,…},且=1。

    綜上,HMM可用其參數(shù)λ={A,B,π} 來指代。

    2 基于隱馬爾可夫鏈的自適應(yīng)多目標(biāo)差分進(jìn)化算法

    研究表明隱馬爾可夫模型具有良好的預(yù)測能力[16]。因此,為提高多目標(biāo)差分進(jìn)化算法的性能,提出一種基于隱馬爾可夫鏈的自適應(yīng)多目標(biāo)差分進(jìn)化算法。在該算法中,將父代種群、變異種群和交叉種群轉(zhuǎn)換為概率作為隱馬爾可夫模型中的參數(shù),并通過計(jì)算最大似然估計(jì)值實(shí)現(xiàn)對控制參數(shù)的自適應(yīng)更新;另外,通過改進(jìn)的IGD指標(biāo)不斷更新隱馬爾可夫模型中的參數(shù),從而不斷更新通過隱馬爾可夫模型生成的策略鏈,實(shí)現(xiàn)變異策略選擇的自適應(yīng);而且為保證算法前期偏向于全局搜索和后期偏向于局部搜索,本文采取多項(xiàng)式交叉和模擬二進(jìn)制交叉的混合交叉策略。隱馬爾可夫模型所需參數(shù)的初始值均設(shè)置為等概率。控制參數(shù)自適應(yīng)與變異策略自適應(yīng)的具體實(shí)現(xiàn)方式見以下部分。

    2.1 控制參數(shù)自適應(yīng)

    進(jìn)化過程中,種群隨迭代次數(shù)的變化情況與隱馬爾可夫模型內(nèi)部過程類似[16]。在該部分,將個(gè)體的狀態(tài)變化情況分為三種:優(yōu)、中、差。優(yōu)表示當(dāng)前個(gè)體支配比較個(gè)體,中表示當(dāng)前個(gè)體與比較個(gè)體互不支配,差表示比較個(gè)體支配當(dāng)前個(gè)體。

    在每一次迭代過程中,種群中每個(gè)個(gè)體都有與其相對應(yīng)的變異縮放因子與交叉概率。對比個(gè)體的實(shí)際狀態(tài)序列與最優(yōu)隱藏序列得到相應(yīng)行向量,然后計(jì)算行向量的最大似然估計(jì)值來得到個(gè)體對應(yīng)的F與CR。控制參數(shù)自適應(yīng)方法的具體步驟如下:

    步驟1 初始化狀態(tài)轉(zhuǎn)移矩陣A。設(shè)置三種狀態(tài)之間的轉(zhuǎn)移是等概率的,即A=[1/3,1/3,1/3;1/3,1/3,1/3;1/3,1/3,1/3]。

    步驟2 得到混淆概率矩陣B。將父代種群、變異種群和交叉種群轉(zhuǎn)換為概率,作為隱馬爾可夫模型中的混淆概率,轉(zhuǎn)換方法詳見算法1(參考文獻(xiàn)[16])。對種群中每個(gè)個(gè)體而言,其對應(yīng)的混淆概率矩陣B的大小為3×D。

    步驟3 得到實(shí)際狀態(tài)序列。個(gè)體狀態(tài)可以利用隱馬爾可夫模型中的概率矩陣來評估[16]。在本文中,設(shè)置0~1/3 代表“差”狀態(tài),1/3~2/3 代表“中”狀態(tài),2/3~1 代表“優(yōu)”狀態(tài)。從而可得到每個(gè)個(gè)體變異之后的實(shí)際狀態(tài)序列realMutseq、交叉之后的實(shí)際狀態(tài)序列realCanseq,序列大小都為1×D。

    步驟4 得到最優(yōu)隱藏序列。父代種群觀察到的父代觀測序列記為EMseq,變異種群觀察到的變異觀測序列記為Mutseq,交叉種群觀察到的交叉觀測序列記為Canseq。每個(gè)個(gè)體對應(yīng)觀測序列大小都為1×D。利用隱馬爾可夫模型中的Viterbi 算法[17]分別求出父代個(gè)體觀測序列與變異個(gè)體觀測序列條件下的最優(yōu)隱藏序列,記為bestMutseq和bestCanseq。

    步驟5 變異縮放因子F與交叉概率CR的計(jì)算方式如下:

    對種群中的每個(gè)個(gè)體,對比其實(shí)際狀態(tài)序列real-Mutseq與最優(yōu)隱藏序列bestMutseq中每一列的值,若相等,將1 存入行向量lm中對應(yīng)列位置,否則存入0。同理對比realCanseq與bestCanseq,得到行向量lc。

    式中,MLE(?)表示最大似然估計(jì)值。

    種群信息轉(zhuǎn)換為概率的偽代碼如算法1所示。

    算法1 種群信息轉(zhuǎn)換為概率

    輸入:種群大小為PS×D的種群pop。

    (1)建立一個(gè)大小為PS×D的新矩陣popr;

    (2)建立兩個(gè)長度為D的向量δ和ε;

    (3)計(jì)算種群pop中每一列的平均值與方差,分別計(jì)入δ和ε;

    (4)計(jì)算種群pop中每一行i和每一列j即pop(i,j)的概率分布,計(jì)入popr(i,j)。

    輸出:popr。

    2.2 變異策略自適應(yīng)

    為實(shí)現(xiàn)多目標(biāo)差分進(jìn)化算法變異策略自適應(yīng),本研究采用改進(jìn)的反向世代距離對變異策略進(jìn)行評價(jià),再使用隱馬爾可夫鏈模型對變異策略進(jìn)行預(yù)測生成。本研究使用“DE/rand/1”“DE/best/1”和“DE/current-to-best/1”三種變異策略。即,隱馬爾可夫模型中的三種隱藏狀態(tài)可以表示如下:策略1、策略2、策略3,其中策略1 表示“DE/rand/1”,策略2 表示“DE/best/1”,策略3 表示“DE/current-to-best/1”。前者有很好的全局開發(fā)能力,后兩者有較好的局部探索能力,能夠保持全局搜索與局部搜索的平衡。

    設(shè)置隱馬爾可夫模型中有三種觀測狀態(tài):優(yōu)、中、差。優(yōu)表示當(dāng)前變異個(gè)體支配對應(yīng)父代個(gè)體;中表示當(dāng)前變異個(gè)體與對應(yīng)父代個(gè)體互不支配;差表示對應(yīng)父代個(gè)體支配當(dāng)前變異個(gè)體。

    初始化階段,設(shè)置三種狀態(tài)之間的轉(zhuǎn)移是等概率的以及在某一狀態(tài)下觀測到各策略的概率是相等的。即變異差分策略的狀態(tài)轉(zhuǎn)移概率矩陣A與混淆概率矩陣B均為[1/3,1/3,1/3;1/3,1/3,1/3;1/3,1/3,1/3],通過隱馬爾可夫模型生成一個(gè)選擇變異策略的初始策略鏈,記為chain,大小為1×PS。變異策略自適應(yīng)方法的具體步驟如下:

    步驟1 根據(jù)個(gè)體選擇變異策略的不同,將種群劃分為三個(gè)子種群,分別記為Prand、Pbest、Pcurrent,對應(yīng)的目標(biāo)空間解集記為Crand、Cbest、Ccurrent,它們對應(yīng)的改進(jìn)反向世代距離分別記為mIGDrand、mIGDbest、mIGDcurrent。改進(jìn)反向世代距離計(jì)算公式如下:

    步驟2 各個(gè)策略所得改進(jìn)反向世代距離值越小,說明選擇該策略的變異效果越好。因此,狀態(tài)轉(zhuǎn)移矩陣設(shè)置為:

    步驟3 同理,各個(gè)策略的改進(jìn)反向世代距離值越小,說明在該策略狀態(tài)下,觀測到“優(yōu)”的概率較大。因此,混淆矩陣表示如下:

    步驟4 利用矩陣A和B作為隱馬爾可夫模型參數(shù)生成一個(gè)新的策略鏈chain。

    2.3 混合交叉策略

    為保證算法前期有較好的全局搜索能力和后期有較好的局部搜索能力,本研究采取一種多項(xiàng)式交叉和模擬二進(jìn)制交叉混合使用的交叉策略。其中,模擬二進(jìn)制交叉(Simulated Binary Crossover,SBX)具有很強(qiáng)的局部搜索能力[18];而多項(xiàng)式交叉則有較好的全局搜索能力。因此,本文設(shè)置一個(gè)隨迭代次數(shù)不斷變小的μ來達(dá)到此目的[19]。

    從公式(26)可以看出,μ在種群進(jìn)化前期具有較大值,故選擇多項(xiàng)式交叉的概率較大,此時(shí)算法偏向于全局搜索;算法后期,μ值減小,選擇SBX 交叉策略的概率較大,算法偏向于局部搜索。

    2.4 SMODE-HMC算法的基本流程

    步驟1 設(shè)置參數(shù)PS、F、CR、最大迭代次數(shù)等,并利用隱馬爾可夫模型生成初始策略鏈chain。

    步驟2 如果G<0.2×Gmax[5],所提算法只使用“DE/rand/1”變異策略,否則使用2.2 節(jié)來自動(dòng)選擇合適的變異策略。確定策略后,依據(jù)2.1 節(jié)計(jì)算F的數(shù)值,然后進(jìn)行變異操作。

    步驟3 依據(jù)2.1 節(jié)計(jì)算CR的數(shù)值。若rand<μ,選擇多項(xiàng)式交叉策略,否則使用模擬二進(jìn)制交叉策略。

    步驟4 對試驗(yàn)個(gè)體進(jìn)行邊界值判定[5];如果一個(gè)隨機(jī)數(shù)rand>Bset[20]那么

    式中,Lj和Uj表示變量第j維的下界與上界。否則在定義域(Ω)范圍內(nèi)重新生成新的試驗(yàn)個(gè)體。

    步驟5 環(huán)境選擇。若是三目標(biāo)問題,采用文獻(xiàn)[21]中的tDEA方法;若是雙目標(biāo)問題,則采用快速非支配選擇方式[22]。

    步驟6G=G+1。

    步驟7 循環(huán)步驟2到步驟6,直到滿足最大迭代次數(shù)。

    3 實(shí)驗(yàn)結(jié)果與分析

    為驗(yàn)證SMODE-HMC算法的性能,將其與另外9種多目標(biāo)進(jìn)化算法在9個(gè)三目標(biāo)(WFG1~WFG9)和7個(gè)雙目標(biāo)(UF1~UF7)測試函數(shù)上進(jìn)行性能對比。其他9 種多目標(biāo)進(jìn)化算法分別為MOEAD[23]、NSGAIII[24]、GDE3[2]、ARMOEA[25]、LMEA[26]、MOEADDE[27]、tDEA[21]、MMOPSO[28]、MODE-SS[19],其中前8 種算法的結(jié)果由文獻(xiàn)[29]提供的軟件求得。為保證實(shí)驗(yàn)結(jié)果分析的可靠性,采用Wilcoxon 和Friedman 非參數(shù)檢驗(yàn)方法對實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析,顯著性水平設(shè)置為5%。其中“+”“-”分別表示所提算法優(yōu)于、劣于相比較算法;“≈”表示所提算法與相比較的算法性能相近。

    3.1 參數(shù)設(shè)置

    在本研究中,所有測試函數(shù)的種群數(shù)量均設(shè)置為120,三目標(biāo)的最大迭代次數(shù)設(shè)置為300,雙目標(biāo)的最大迭代次數(shù)設(shè)置為200,每一種算法求解每一個(gè)測試函數(shù)均獨(dú)立運(yùn)行20次。比較算法的參數(shù)設(shè)定均與原始文獻(xiàn)一致。

    3.2 算法比較

    SMODE-HMC 與其他9 種比較算法得到的GD 平均值與方差以及Wilcoxon 統(tǒng)計(jì)結(jié)果見表1。從表1 可以看出,SMODE-HMC 分別優(yōu)于MOEAD、NSGAIII、GDE3、ARMOEA、LMEA、MOEADDE、tDEA、MMOPSO、MODE-SS 算法12、10、14、10、11、11、9、13、14 個(gè)測試函數(shù),分別劣于以上算法3、3、1、2、3、2、2、1、1 個(gè)測試函數(shù),另外分別有1、3、1、4、2、3、5、2、1個(gè)測試函數(shù)與以上相比較的算法性能相近。同時(shí),10 種算法得到GD 的Friedman 統(tǒng)計(jì)分析結(jié)果見表2,實(shí)驗(yàn)結(jié)果顯示SMODEHMC 排名第一,說明本文所提算法得到的Pareto 前沿與真實(shí)PF最為接近,收斂性是所有算法中最好的。其主要原因是SMODE-HMC算法使用了自適應(yīng)變異策略和混合交叉策略,它能夠根據(jù)不同類型的多目標(biāo)優(yōu)化問題來選擇合適的生成策略。同時(shí),控制參數(shù)自適應(yīng)策略為算法提供合適的參數(shù)使其適應(yīng)不同的進(jìn)化階段或問題。

    表1 所有比較多目標(biāo)進(jìn)化算法得到的GD平均值與方差

    表2 所有比較算法在GD平均值上的性能排序

    SMODE-HMC與其他9種比較算法得到的SP平均值與方差以及Wilcoxon統(tǒng)計(jì)結(jié)果見表3。從表3可以看出,MOEAD、NSGAIII、GDE3、ARMOEA、MODESS 等算法在3個(gè)測試函數(shù)上優(yōu)于所提算法;tDEA和MMOPSO算法在2個(gè)測試函數(shù)上優(yōu)于所提算法;而MOEADDE只在1 個(gè)測試函數(shù)上比所提算法性能好。除了LMEA,SMODE-HMC 的整體性能優(yōu)于其他8 種比較算法。LMEA在大部分三目標(biāo)測試函數(shù)上的SP值要小于所提算法,這是因?yàn)長MEA算法利用聚類方法將決策變量分為兩組,其中一組特意考慮了多樣性指標(biāo)。但是,從整體性能來看(見表4),所提算法在性能指標(biāo)SP上的表現(xiàn)要比LMEA略好。其主要原因是SMODE-HMC算法利用隱馬爾可夫模型分別來預(yù)測控制參數(shù)和變異策略,使其在進(jìn)化過程中自適應(yīng)調(diào)整。

    表3 所有比較多目標(biāo)進(jìn)化算法得到的SP平均值與方差

    表4 所有比較算法在SP平均值上的性能排序

    SMODE-HMC 與其他9 種比較算法得到的IGD 平均值與方差以及Wilcoxon統(tǒng)計(jì)結(jié)果見表5。從表5可以看出,SMODE-HMC分別優(yōu)于MOEAD、NSGAIII、GDE3、ARMOEA、LMEA、MOEADDE、tDEA、MMOPSO、MODESS 算法15、7、12、8、11、11、7、9、10 個(gè)測試函數(shù),分別劣于以上相比較算法1、4、3、4、4、4、3、6、1個(gè)測試函數(shù),另外分別有0、5、1、4、1、1、6、1、5 個(gè)測試函數(shù)與以上相比較的算法性能相近。同時(shí),10種算法得到IGD的Friedman統(tǒng)計(jì)結(jié)果見表6,實(shí)驗(yàn)結(jié)果顯示本文所提算法SMODEHMC排名第一,說明SMODE-HMC算法得到的解集整體分布性最好。其主要原因是SMODE-HMC算法在進(jìn)化過程中能夠自動(dòng)選擇合適的變異策略,并生成合適的控制參數(shù)來提高其求解不同類型多目標(biāo)優(yōu)化問題的能力。

    表5 所有比較多目標(biāo)進(jìn)化算法的IGD平均值與方差

    表6 所有比較算法在IGD平均值上的性能排序

    綜上,SMODE-HMC 算法所得解集的收斂性和多樣性是所有比較算法中最好的。

    3.3 算法分析

    由以上實(shí)驗(yàn)結(jié)果可知,SMODE-HMC 在16 個(gè)多目標(biāo)測試函數(shù)上的整體表現(xiàn)優(yōu)于其他9 種多目標(biāo)進(jìn)化算法。其主要原因是控制參數(shù)和策略自適應(yīng)方法能夠?yàn)槎嗄繕?biāo)差分進(jìn)化算法提供實(shí)時(shí)有效的控制參數(shù)和策略。本節(jié)將對所提算法控制參數(shù)和變異策略在進(jìn)化過程中的自適應(yīng)性進(jìn)行分析。

    3.3.1 控制參數(shù)自適應(yīng)分析

    本實(shí)驗(yàn)給出SMODE-HMC在兩個(gè)測試函數(shù)(WFG5、UF3)上控制參數(shù)F與CR平均值的進(jìn)化曲線(見圖2)。

    從圖2(a)中可以看出,控制參數(shù)F與CR的整體變化趨勢類似,前期逐漸減小,后期又隨著迭代次數(shù)的增加而緩慢增大。圖2(b)中,F(xiàn)與CR的整體變化趨勢也類似,先增加后減小。

    圖2 SMODE-HMC控制參數(shù)F 和CR 的進(jìn)化曲線

    由上可知,SMODE-HMC 算法的控制參數(shù)根據(jù)不同類型的多目標(biāo)優(yōu)化問題而實(shí)現(xiàn)自適應(yīng)實(shí)時(shí)調(diào)整。

    為進(jìn)一步驗(yàn)證所提方法的有效性,在實(shí)驗(yàn)中使用固定控制參數(shù)的SMODE-HMC(命名為SMODE-HMC-1);并用WFG5 和UF3 兩個(gè)測試函數(shù)來進(jìn)行測試。所得到的GD、SP與IGD值見表7。

    從表7可以看出,SMODE-HMC-1在兩個(gè)測試函數(shù)上的表現(xiàn)均劣于SMODE-HMC。這表明,相比于固定的參數(shù)設(shè)定策略,控制參數(shù)自適應(yīng)策略能夠提高多目標(biāo)進(jìn)化算法的求解性能。

    表7 SMODE-HMC和沒有參數(shù)自適應(yīng)SMODE-HMC所得結(jié)果

    綜上,本研究使用隱馬爾可夫模型來實(shí)現(xiàn)多目標(biāo)進(jìn)化算法的控制參數(shù)自適應(yīng)是有效和可行的。

    3.3.2 變異策略自適應(yīng)分析

    本部分將使用兩個(gè)測試函數(shù)WFG5和UF3對SMODEHMC 算法變異策略的自適應(yīng)進(jìn)行分析。需要注意的是,當(dāng)G≥0.2×Gmax時(shí),SMODE-HMC才使用變異策略自適應(yīng)策略;在此之前,算法只使用DE/rand/1 變異策略。這主要是讓所提算法在進(jìn)化前期有足夠的全局探索能力。各個(gè)變異策略在整個(gè)進(jìn)化過程中的數(shù)量和占比分別見圖3和圖4。

    從圖3(a)中可以看出,SMODE-HMC 在前期主要使用DE/rand/1 和DE/best/1 兩個(gè)變異策略;中期使用DE/curret-to-best/1 較多;進(jìn)化后期策略DE/curret-tobest/1 和DE/best/1 作用類似。圖3(b)顯示,變異策略DE/rand/1 在整個(gè)進(jìn)化過程中幾乎都占據(jù)主導(dǎo)位置,而變異策略DE/curret-to-best/1 和DE/best/1 在整個(gè)進(jìn)化過程中的作用似乎差不多。從上可得,SMODE-HMC 可以根據(jù)不同類型的多目標(biāo)優(yōu)化問題實(shí)時(shí)選擇合適的變異策略,因此,該自適應(yīng)變異策略可以大大提高搜索性能。另外,三種變異策略在整個(gè)種群進(jìn)化過程中的占比見圖4。從圖4可知,變異策略DE/rand/1被使用的次數(shù)最多。其主要原因是,對于復(fù)雜問題,算法只有擁有良好的全局搜索能力,才能找到高質(zhì)量的解。同時(shí),變異策略DE/curret-to-best/1 和DE/best/1 在這兩個(gè)測試函數(shù)上被使用的頻率幾乎相同。但根據(jù)圖3所得,它們在不同的進(jìn)化階段發(fā)揮不同的作用。

    圖3 SMODE-HMC變異策略的進(jìn)化曲線

    圖4 SMODE-HMC求解測試函數(shù)時(shí)三種變異策略數(shù)量占比

    為進(jìn)一步驗(yàn)證策略自適應(yīng)的有效性,本實(shí)驗(yàn)使用固定變異策略的SMODE-HMC 來求解WFG5 和UF3。由圖4 可知,DE/rand/1 在三種變異策略中使用次數(shù)最多,故SMODE-HMC只使用它來對個(gè)體進(jìn)行變異操作,算法命名為SMODE-HMC-2。所得GD、SP與IGD值見表8。

    表8 SMODE-HMC和沒有策略自適應(yīng)SMODE-HMC所得結(jié)果

    從表8可以看出,SMODE-HMC-2在兩個(gè)測試函數(shù)上的性能評價(jià)指標(biāo)值均劣于SMODE-HMC,說明變異策略自適應(yīng)能夠使多目標(biāo)差分進(jìn)化算法的性能更好。

    綜上,隱馬爾可夫鏈可以輔助SMODE-HMC 算法實(shí)現(xiàn)變異策略的自適應(yīng)選擇,從而提高其求解多目標(biāo)優(yōu)化問題的能力。

    3.3.3 參數(shù)分析

    在本實(shí)驗(yàn)中,對混合交叉策略中的參數(shù)μ進(jìn)行分析。利用上述16 個(gè)測試函數(shù)對不同的μ進(jìn)行測試。圖5 表示由Friedman統(tǒng)計(jì)分析得到的不同μ值下GD、SP、IGD性能排序平均值。由圖5可知,當(dāng)μ=1-G/Gmax時(shí),算法整體性能最好。故在所提算法SMODE-HMC 中,μ值取μ=1-G/Gmax。

    圖5 不同μ 值的性能排序

    4 SMODE-HMC 在海鐵聯(lián)運(yùn)能耗優(yōu)化問題中的應(yīng)用

    在該部分,將SMODE-HMC與上述相比較的9種算法用于求解海鐵聯(lián)運(yùn)能耗優(yōu)化問題,以驗(yàn)證SMODEHMC 求解實(shí)際優(yōu)化問題的有效性。種群規(guī)模設(shè)定為120,最大迭代次數(shù)設(shè)置為200。能量損耗E與運(yùn)輸時(shí)間T的雙目標(biāo)優(yōu)化建立如下:

    式中,f1(v)=E,f2(v)=T,v表示火車或船的速度。海鐵聯(lián)運(yùn)模擬運(yùn)輸路線、速度與能耗關(guān)系詳見參考文獻(xiàn)[19]。參數(shù)PF是將10種算法所得解集進(jìn)行合并,并挑選其中的非支配解所得到。

    10種算法求解海鐵聯(lián)運(yùn)模型得到的GD、SP與IGD值見表9。從表9 可以看出,本文所提算法SMODEHMC 在GD、SP 和IGD 值上均優(yōu)于9 種比較算法,說明SMODE-HMC 具有較好的收斂性和多樣性,整體性能最好。另外,10種算法求解海鐵聯(lián)運(yùn)能耗優(yōu)化問題所得PF見圖6。從圖6 中也可以看出,SMODE-HMC 所得PF的整體分布要優(yōu)于所比較的9種算法。

    表9 各個(gè)算法得到的GD、SP與IGD值

    從SMODE-HMC的求解結(jié)果中分別選取耗能最大的點(diǎn)Q1 和耗時(shí)最長的點(diǎn)Q2,Q1 與Q2 點(diǎn)見圖6(a)中綠色實(shí)心圓。Q1 與Q2 點(diǎn)火車與船舶在各路段的行駛速度見表10。從表10可以看出速度對耗能與時(shí)間皆有影響,顯然速度與耗能成正比,與時(shí)間成反比。即耗能最大時(shí),各路段行駛速度相對較大;當(dāng)時(shí)間最大時(shí),各路段行駛速度相對較小。特別是在鐵路運(yùn)輸上,二者速度的變化率最大。

    圖6 SMODE-HMC與其他9種算法所得PF 逼近

    表10 Q1 與Q2 在各路段的速度

    5 結(jié)語

    差分進(jìn)化算法的控制參數(shù)和生成策略選擇對其性能有著顯著影響。為提高多目標(biāo)差分進(jìn)化算法求解多目標(biāo)優(yōu)化問題的能力,本文提出了一種基于隱馬爾可夫鏈的自適應(yīng)多目標(biāo)差分進(jìn)化算法(Self-adaptive Multi-Objective Differential Evolution Algorithm Based on Hidden Markov Chain,SMODE-HMC)。在該算法中,利用隱馬爾可夫模型對多目標(biāo)差分進(jìn)化算法的控制參數(shù)和變異策略進(jìn)行自適應(yīng)動(dòng)態(tài)調(diào)整;并使用兩種不同搜索性能的交叉變異策略來實(shí)現(xiàn)算法在進(jìn)化前期進(jìn)行全局搜索和進(jìn)化中后期進(jìn)行局部搜索。通過與其他9 種多目標(biāo)進(jìn)化算法測試對比,實(shí)驗(yàn)結(jié)果顯示SMODEHMC 的整體性能要優(yōu)于所比較的其他算法。最后,將SMODE-HMC 用于求解海鐵聯(lián)運(yùn)能耗優(yōu)化問題,依據(jù)所得實(shí)驗(yàn)結(jié)果分析得出能耗E和時(shí)間T與行駛速度的關(guān)系,從而為決策者提供重要的決策參考。實(shí)驗(yàn)表明SMODE-HMC算法可以為實(shí)際多目標(biāo)優(yōu)化問題的求解提供有效幫助。

    猜你喜歡
    測試函數(shù)馬爾可夫控制參數(shù)
    高超聲速飛行器滑模控制參數(shù)整定方法設(shè)計(jì)*
    飛控與探測(2022年6期)2022-03-20 02:16:14
    Birkhoff系統(tǒng)穩(wěn)定性的動(dòng)力學(xué)控制1)
    具有收縮因子的自適應(yīng)鴿群算法用于函數(shù)優(yōu)化問題
    基于PI與準(zhǔn)PR調(diào)節(jié)的并網(wǎng)逆變器控制參數(shù)設(shè)計(jì)
    黑龍江電力(2017年1期)2017-05-17 04:25:08
    帶勢函數(shù)的雙調(diào)和不等式組的整體解的不存在性
    保費(fèi)隨機(jī)且?guī)в屑t利支付的復(fù)合馬爾可夫二項(xiàng)模型
    約束二進(jìn)制二次規(guī)劃測試函數(shù)的一個(gè)構(gòu)造方法
    基于SOP的核電廠操縱員監(jiān)視過程馬爾可夫模型
    應(yīng)用馬爾可夫鏈對品牌手機(jī)市場占有率進(jìn)行預(yù)測
    面向真實(shí)世界的測試函數(shù)Ⅱ
    精品午夜福利视频在线观看一区| 中文字幕人妻丝袜一区二区| 国产一区二区三区视频了| 欧美乱色亚洲激情| 久久国产亚洲av麻豆专区| 亚洲欧洲精品一区二区精品久久久| 操美女的视频在线观看| 久久精品国产亚洲av香蕉五月| 婷婷精品国产亚洲av在线| 悠悠久久av| 一进一出抽搐gif免费好疼 | 国产av一区二区精品久久| 好男人电影高清在线观看| 丝袜在线中文字幕| 自线自在国产av| 亚洲精品一区av在线观看| 亚洲成人国产一区在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 97碰自拍视频| 在线观看一区二区三区激情| 一级a爱片免费观看的视频| 亚洲国产精品sss在线观看 | 亚洲精品国产精品久久久不卡| 午夜福利免费观看在线| 美女高潮到喷水免费观看| 淫秽高清视频在线观看| 少妇裸体淫交视频免费看高清 | 亚洲精品美女久久久久99蜜臀| 欧美午夜高清在线| 国产黄a三级三级三级人| 精品久久久久久久毛片微露脸| 国产精品av久久久久免费| 久久人妻福利社区极品人妻图片| 99精国产麻豆久久婷婷| 18禁美女被吸乳视频| 亚洲中文av在线| 免费观看人在逋| 亚洲精华国产精华精| 久9热在线精品视频| 欧美成人午夜精品| 久久人人97超碰香蕉20202| 欧美日韩精品网址| 午夜福利影视在线免费观看| 国产亚洲精品久久久久5区| 一区二区日韩欧美中文字幕| 国产在线观看jvid| 在线观看免费视频网站a站| 欧美黑人欧美精品刺激| 男人舔女人下体高潮全视频| 亚洲成a人片在线一区二区| 久久国产乱子伦精品免费另类| 80岁老熟妇乱子伦牲交| 男女床上黄色一级片免费看| 欧美av亚洲av综合av国产av| 999精品在线视频| 99在线视频只有这里精品首页| 久99久视频精品免费| 国产精品一区二区免费欧美| 精品国产乱子伦一区二区三区| 欧美久久黑人一区二区| 亚洲欧洲精品一区二区精品久久久| 操出白浆在线播放| 在线十欧美十亚洲十日本专区| 国产熟女午夜一区二区三区| 男女高潮啪啪啪动态图| 亚洲欧美激情综合另类| 欧美另类亚洲清纯唯美| 成人18禁在线播放| 亚洲情色 制服丝袜| 日日爽夜夜爽网站| 手机成人av网站| 亚洲欧美精品综合一区二区三区| 超碰97精品在线观看| 久久欧美精品欧美久久欧美| 午夜福利欧美成人| 免费在线观看完整版高清| 日韩欧美三级三区| 国产成人精品在线电影| 交换朋友夫妻互换小说| 成人黄色视频免费在线看| 欧美黄色淫秽网站| 成人18禁在线播放| 丝袜美足系列| 黄色成人免费大全| 亚洲精品在线美女| av中文乱码字幕在线| 日本五十路高清| 久久精品aⅴ一区二区三区四区| 国产精品一区二区三区四区久久 | 人成视频在线观看免费观看| 国产精品成人在线| 日本vs欧美在线观看视频| 精品午夜福利视频在线观看一区| 色尼玛亚洲综合影院| 50天的宝宝边吃奶边哭怎么回事| 热99re8久久精品国产| 女人被躁到高潮嗷嗷叫费观| 99国产极品粉嫩在线观看| av欧美777| 十八禁网站免费在线| 日本a在线网址| 国产av又大| 最新在线观看一区二区三区| 国产精品永久免费网站| 脱女人内裤的视频| 欧美乱色亚洲激情| 九色亚洲精品在线播放| 丝袜在线中文字幕| 男人舔女人下体高潮全视频| 亚洲成av片中文字幕在线观看| 亚洲av电影在线进入| 最近最新免费中文字幕在线| 中文欧美无线码| 首页视频小说图片口味搜索| 熟女少妇亚洲综合色aaa.| 久久久久久久久免费视频了| 在线观看舔阴道视频| 777久久人妻少妇嫩草av网站| 身体一侧抽搐| 欧美日本亚洲视频在线播放| 欧美黑人精品巨大| 男女床上黄色一级片免费看| 免费女性裸体啪啪无遮挡网站| 超色免费av| 欧美中文日本在线观看视频| 欧美久久黑人一区二区| 美国免费a级毛片| 亚洲熟女毛片儿| 亚洲成人免费av在线播放| 免费在线观看完整版高清| 久久久久久大精品| 黄色视频,在线免费观看| a级毛片在线看网站| 很黄的视频免费| www.熟女人妻精品国产| 1024视频免费在线观看| 国产黄色免费在线视频| 免费在线观看黄色视频的| 美女扒开内裤让男人捅视频| 国产1区2区3区精品| 手机成人av网站| 国产三级在线视频| 亚洲av美国av| 狠狠狠狠99中文字幕| 别揉我奶头~嗯~啊~动态视频| 少妇的丰满在线观看| 午夜免费鲁丝| 欧美激情久久久久久爽电影 | av免费在线观看网站| www.自偷自拍.com| 男女下面进入的视频免费午夜 | 一级片'在线观看视频| 免费一级毛片在线播放高清视频 | 美女国产高潮福利片在线看| 亚洲成人久久性| 亚洲精品久久成人aⅴ小说| 欧美日本中文国产一区发布| 少妇裸体淫交视频免费看高清 | av超薄肉色丝袜交足视频| 女警被强在线播放| 最近最新中文字幕大全电影3 | 国产欧美日韩一区二区三| 国产免费现黄频在线看| 99riav亚洲国产免费| 欧美丝袜亚洲另类 | 天堂俺去俺来也www色官网| 女人高潮潮喷娇喘18禁视频| 亚洲第一青青草原| 中文字幕人妻丝袜制服| 国产av又大| www.精华液| 色播在线永久视频| 亚洲成人免费电影在线观看| 亚洲成人免费av在线播放| 亚洲成av片中文字幕在线观看| 黄频高清免费视频| 在线观看免费午夜福利视频| 黑人猛操日本美女一级片| 91在线观看av| 久久久久久免费高清国产稀缺| 亚洲va日本ⅴa欧美va伊人久久| 久久婷婷成人综合色麻豆| 一区福利在线观看| 亚洲九九香蕉| 国产成人影院久久av| 高清av免费在线| 中文字幕高清在线视频| 妹子高潮喷水视频| 国产av一区二区精品久久| 99精国产麻豆久久婷婷| 久久九九热精品免费| 国产亚洲欧美精品永久| 在线观看免费高清a一片| 精品国产亚洲在线| 啦啦啦免费观看视频1| 90打野战视频偷拍视频| 午夜福利在线观看吧| 在线av久久热| 9191精品国产免费久久| 精品一区二区三区视频在线观看免费 | 中文字幕最新亚洲高清| 国产成人精品久久二区二区免费| 老司机在亚洲福利影院| 国产亚洲精品第一综合不卡| 亚洲熟妇中文字幕五十中出 | 国产免费男女视频| 一进一出抽搐gif免费好疼 | 国产人伦9x9x在线观看| 黑人操中国人逼视频| 久久人人97超碰香蕉20202| 岛国视频午夜一区免费看| 国产黄色免费在线视频| 99久久综合精品五月天人人| 丝袜美足系列| 妹子高潮喷水视频| 国产精品免费一区二区三区在线| 天堂√8在线中文| 亚洲精品粉嫩美女一区| 午夜亚洲福利在线播放| 中国美女看黄片| 高清av免费在线| 欧美日韩国产mv在线观看视频| 成人特级黄色片久久久久久久| 国产精品香港三级国产av潘金莲| 亚洲av电影在线进入| 午夜精品久久久久久毛片777| 大码成人一级视频| 夜夜躁狠狠躁天天躁| 激情视频va一区二区三区| 国产91精品成人一区二区三区| 久久精品影院6| 男女之事视频高清在线观看| 视频区图区小说| 丁香六月欧美| 悠悠久久av| 亚洲人成77777在线视频| 母亲3免费完整高清在线观看| 大码成人一级视频| 99国产精品99久久久久| 黄色 视频免费看| 岛国视频午夜一区免费看| 这个男人来自地球电影免费观看| svipshipincom国产片| 日韩国内少妇激情av| 亚洲精品在线观看二区| 女性生殖器流出的白浆| 久久香蕉激情| 国产99久久九九免费精品| 欧美亚洲日本最大视频资源| 在线免费观看的www视频| av超薄肉色丝袜交足视频| 国产激情久久老熟女| 成年版毛片免费区| 国产蜜桃级精品一区二区三区| 男女下面插进去视频免费观看| 精品久久蜜臀av无| 美国免费a级毛片| 无遮挡黄片免费观看| 啦啦啦 在线观看视频| 69精品国产乱码久久久| 中文字幕av电影在线播放| 亚洲专区中文字幕在线| 国产精品日韩av在线免费观看 | 日韩有码中文字幕| 国产精品一区二区免费欧美| 侵犯人妻中文字幕一二三四区| 男女做爰动态图高潮gif福利片 | 男人舔女人下体高潮全视频| 交换朋友夫妻互换小说| 美女扒开内裤让男人捅视频| 美国免费a级毛片| 亚洲美女黄片视频| 国产欧美日韩精品亚洲av| 91国产中文字幕| 91老司机精品| 12—13女人毛片做爰片一| 欧美日本中文国产一区发布| 国产精品偷伦视频观看了| 国产成人av激情在线播放| 久久婷婷成人综合色麻豆| 午夜福利免费观看在线| 精品一区二区三区四区五区乱码| 在线观看舔阴道视频| 午夜影院日韩av| 日本a在线网址| 久久久国产一区二区| 久久久久国产精品人妻aⅴ院| 亚洲第一av免费看| 免费搜索国产男女视频| 搡老乐熟女国产| 精品国产超薄肉色丝袜足j| 丰满的人妻完整版| 久久午夜亚洲精品久久| 亚洲精品av麻豆狂野| 三上悠亚av全集在线观看| 亚洲熟妇熟女久久| 99在线视频只有这里精品首页| 欧美最黄视频在线播放免费 | 一二三四社区在线视频社区8| 99香蕉大伊视频| 久久久久久久久中文| 日韩免费av在线播放| 91成年电影在线观看| 精品久久久久久电影网| 咕卡用的链子| 国产不卡一卡二| 18美女黄网站色大片免费观看| 精品第一国产精品| 国产一区二区三区视频了| 午夜福利免费观看在线| 两人在一起打扑克的视频| 搡老熟女国产l中国老女人| 亚洲美女黄片视频| 91av网站免费观看| 性欧美人与动物交配| 色老头精品视频在线观看| 亚洲国产看品久久| 夜夜爽天天搞| 欧美中文综合在线视频| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲国产中文字幕在线视频| 国产精品国产高清国产av| 一区福利在线观看| 十八禁人妻一区二区| 看免费av毛片| 韩国精品一区二区三区| 免费观看人在逋| 国产片内射在线| 老汉色∧v一级毛片| 妹子高潮喷水视频| 午夜影院日韩av| 午夜免费成人在线视频| 亚洲中文av在线| 女人被狂操c到高潮| 97人妻天天添夜夜摸| 另类亚洲欧美激情| 91国产中文字幕| 欧美日韩国产mv在线观看视频| 免费少妇av软件| 亚洲av熟女| 国产人伦9x9x在线观看| 免费在线观看影片大全网站| 国产一区二区三区综合在线观看| 久久这里只有精品19| netflix在线观看网站| 久久国产精品男人的天堂亚洲| a级毛片在线看网站| 91老司机精品| 波多野结衣高清无吗| 在线看a的网站| 欧美大码av| 国产野战对白在线观看| 亚洲aⅴ乱码一区二区在线播放 | 国产麻豆69| 日韩免费高清中文字幕av| 国产精品久久久久成人av| 欧美+亚洲+日韩+国产| 免费女性裸体啪啪无遮挡网站| 制服人妻中文乱码| 久久久久久人人人人人| 成人免费观看视频高清| 日本撒尿小便嘘嘘汇集6| 久久久久国产精品人妻aⅴ院| 99热只有精品国产| 午夜免费激情av| 国产精品野战在线观看 | 欧美日韩一级在线毛片| netflix在线观看网站| 国产高清激情床上av| 国产精华一区二区三区| 一级毛片高清免费大全| 国产不卡一卡二| 制服诱惑二区| 91九色精品人成在线观看| 国产主播在线观看一区二区| 一区在线观看完整版| 免费一级毛片在线播放高清视频 | 一级a爱片免费观看的视频| 久久久久国内视频| 可以在线观看毛片的网站| 午夜福利欧美成人| 青草久久国产| 色播在线永久视频| 欧美在线黄色| 中文欧美无线码| 好看av亚洲va欧美ⅴa在| 国产精品免费一区二区三区在线| 国产国语露脸激情在线看| 精品久久久精品久久久| 啦啦啦免费观看视频1| 中文欧美无线码| 成人永久免费在线观看视频| 人人妻人人爽人人添夜夜欢视频| 免费在线观看黄色视频的| 色婷婷久久久亚洲欧美| 亚洲视频免费观看视频| 97超级碰碰碰精品色视频在线观看| 黄色成人免费大全| 久久久久久大精品| 男女高潮啪啪啪动态图| 女人高潮潮喷娇喘18禁视频| 亚洲人成电影观看| 91九色精品人成在线观看| 一进一出好大好爽视频| 午夜精品久久久久久毛片777| 曰老女人黄片| 色综合站精品国产| 美女扒开内裤让男人捅视频| 男男h啪啪无遮挡| 国产精品 欧美亚洲| 久久精品91蜜桃| 嫩草影院精品99| 亚洲情色 制服丝袜| 色在线成人网| 青草久久国产| a级毛片黄视频| 亚洲精品美女久久av网站| 高清av免费在线| 老司机靠b影院| 国内毛片毛片毛片毛片毛片| 国产高清国产精品国产三级| 波多野结衣av一区二区av| 欧美成狂野欧美在线观看| 又黄又爽又免费观看的视频| 长腿黑丝高跟| 亚洲精品国产一区二区精华液| 波多野结衣高清无吗| 久久性视频一级片| 久久久久国产精品人妻aⅴ院| 亚洲精品国产精品久久久不卡| 自拍欧美九色日韩亚洲蝌蚪91| 天天躁夜夜躁狠狠躁躁| 丝袜人妻中文字幕| 香蕉久久夜色| 深夜精品福利| 亚洲avbb在线观看| 欧美+亚洲+日韩+国产| 亚洲人成电影观看| 午夜91福利影院| 19禁男女啪啪无遮挡网站| 色尼玛亚洲综合影院| 村上凉子中文字幕在线| 中文字幕人妻熟女乱码| 欧美精品亚洲一区二区| 日韩欧美免费精品| 欧美最黄视频在线播放免费 | 91av网站免费观看| 我的亚洲天堂| av视频免费观看在线观看| 国产单亲对白刺激| 18禁观看日本| 久久天躁狠狠躁夜夜2o2o| 久久精品国产综合久久久| 天堂动漫精品| 黑人猛操日本美女一级片| 午夜影院日韩av| 国产一区二区三区视频了| 亚洲久久久国产精品| 亚洲欧美精品综合久久99| 久久欧美精品欧美久久欧美| 青草久久国产| 成年版毛片免费区| 91成年电影在线观看| 国产成人啪精品午夜网站| 欧美激情久久久久久爽电影 | 波多野结衣高清无吗| 高清黄色对白视频在线免费看| 9191精品国产免费久久| 日本精品一区二区三区蜜桃| 高清av免费在线| 精品人妻1区二区| av福利片在线| 中文亚洲av片在线观看爽| 日韩av在线大香蕉| 91九色精品人成在线观看| 成年人免费黄色播放视频| 最新美女视频免费是黄的| 久久精品成人免费网站| 黄色视频,在线免费观看| 久久久久久久久免费视频了| 国产精品香港三级国产av潘金莲| 99香蕉大伊视频| 天堂俺去俺来也www色官网| 亚洲五月天丁香| 又大又爽又粗| 男男h啪啪无遮挡| 亚洲熟妇熟女久久| 9色porny在线观看| 久久亚洲精品不卡| 成人国语在线视频| 大型黄色视频在线免费观看| 久久九九热精品免费| 九色亚洲精品在线播放| 亚洲av熟女| 久久精品亚洲精品国产色婷小说| 成人免费观看视频高清| 亚洲情色 制服丝袜| 久久天堂一区二区三区四区| 人妻久久中文字幕网| 亚洲国产毛片av蜜桃av| 精品熟女少妇八av免费久了| 欧美日韩黄片免| 久久久久九九精品影院| 曰老女人黄片| 久久久久久久精品吃奶| 老司机深夜福利视频在线观看| 色综合站精品国产| 啦啦啦在线免费观看视频4| 欧美黑人欧美精品刺激| 中文字幕最新亚洲高清| 少妇被粗大的猛进出69影院| 午夜久久久在线观看| 精品国产一区二区三区四区第35| 国产97色在线日韩免费| 日韩欧美国产一区二区入口| 国产精品美女特级片免费视频播放器 | 国产欧美日韩一区二区三| 99久久综合精品五月天人人| 日韩成人在线观看一区二区三区| 精品久久久久久电影网| 悠悠久久av| 欧美成狂野欧美在线观看| 国产精品亚洲一级av第二区| 色精品久久人妻99蜜桃| 亚洲午夜精品一区,二区,三区| 欧美激情高清一区二区三区| 香蕉久久夜色| 精品久久久久久久毛片微露脸| 免费一级毛片在线播放高清视频 | 久久久水蜜桃国产精品网| xxx96com| 男女床上黄色一级片免费看| 精品一区二区三区av网在线观看| 99热只有精品国产| 国产日韩一区二区三区精品不卡| 欧美激情 高清一区二区三区| 天堂影院成人在线观看| avwww免费| 欧美中文综合在线视频| 在线观看免费视频网站a站| 校园春色视频在线观看| 成人三级黄色视频| 亚洲第一欧美日韩一区二区三区| 国产男靠女视频免费网站| 久久这里只有精品19| 成人av一区二区三区在线看| 真人一进一出gif抽搐免费| 亚洲精品在线美女| 成年人黄色毛片网站| 不卡一级毛片| 亚洲色图 男人天堂 中文字幕| 999久久久精品免费观看国产| 香蕉国产在线看| 99久久久亚洲精品蜜臀av| 国产欧美日韩综合在线一区二区| 亚洲专区中文字幕在线| 黄色片一级片一级黄色片| 亚洲 国产 在线| av片东京热男人的天堂| 乱人伦中国视频| 桃色一区二区三区在线观看| 色在线成人网| 成人三级做爰电影| 午夜福利欧美成人| 免费久久久久久久精品成人欧美视频| 一区二区日韩欧美中文字幕| 丰满人妻熟妇乱又伦精品不卡| 久热这里只有精品99| 国产高清videossex| 亚洲第一青青草原| 人人澡人人妻人| 欧美日本中文国产一区发布| 男男h啪啪无遮挡| 久久人妻福利社区极品人妻图片| 中文字幕精品免费在线观看视频| 国产成人精品久久二区二区91| 热99国产精品久久久久久7| 99国产精品一区二区蜜桃av| 变态另类成人亚洲欧美熟女 | 亚洲,欧美精品.| 狂野欧美激情性xxxx| 欧美在线黄色| 亚洲欧洲精品一区二区精品久久久| 欧美黑人欧美精品刺激| 99精品在免费线老司机午夜| 成人亚洲精品一区在线观看| 国产伦一二天堂av在线观看| 亚洲aⅴ乱码一区二区在线播放 | 精品电影一区二区在线| 视频区图区小说| 村上凉子中文字幕在线| 亚洲国产中文字幕在线视频| 久久天堂一区二区三区四区| 一级毛片女人18水好多| 成人亚洲精品一区在线观看| 日韩免费高清中文字幕av| 18禁美女被吸乳视频| 亚洲专区国产一区二区| 欧美乱妇无乱码| 日韩免费av在线播放| 欧美中文日本在线观看视频| 久久精品aⅴ一区二区三区四区| 最新美女视频免费是黄的| 日韩三级视频一区二区三区| 色综合婷婷激情| 最近最新中文字幕大全免费视频| 亚洲欧美日韩另类电影网站| 麻豆国产av国片精品| 国产精品影院久久| 欧美一级毛片孕妇| 他把我摸到了高潮在线观看| 亚洲情色 制服丝袜| 露出奶头的视频| 欧美不卡视频在线免费观看 | 久久久久国产一级毛片高清牌|