• <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
    国产精品久久久久久精品电影| 国产高清有码在线观看视频| 成人毛片a级毛片在线播放| 免费看不卡的av| 日本一本二区三区精品| 亚洲av在线观看美女高潮| 热re99久久精品国产66热6| 国产亚洲精品久久久com| 毛片女人毛片| 久久久久网色| 亚洲婷婷狠狠爱综合网| 免费观看无遮挡的男女| 菩萨蛮人人尽说江南好唐韦庄| 在线a可以看的网站| 免费看不卡的av| 国产又色又爽无遮挡免| 日韩欧美一区视频在线观看 | tube8黄色片| 色视频www国产| 亚洲精品日本国产第一区| av女优亚洲男人天堂| 国产在视频线精品| 18禁裸乳无遮挡免费网站照片| 欧美成人a在线观看| 啦啦啦中文免费视频观看日本| 午夜亚洲福利在线播放| 男女国产视频网站| 欧美zozozo另类| 欧美xxxx黑人xx丫x性爽| 国精品久久久久久国模美| 观看美女的网站| 一个人观看的视频www高清免费观看| av在线app专区| 极品教师在线视频| av天堂中文字幕网| 自拍欧美九色日韩亚洲蝌蚪91 | 青春草亚洲视频在线观看| 午夜激情久久久久久久| 最新中文字幕久久久久| 99热国产这里只有精品6| 国产午夜精品久久久久久一区二区三区| 亚洲精品乱码久久久久久按摩| 午夜福利高清视频| 亚洲av日韩在线播放| 日本-黄色视频高清免费观看| 成人亚洲精品一区在线观看 | av黄色大香蕉| 亚洲不卡免费看| 干丝袜人妻中文字幕| 人妻系列 视频| 免费黄色在线免费观看| 色婷婷久久久亚洲欧美| 国产亚洲精品久久久com| 18禁在线无遮挡免费观看视频| 久久久久久久精品精品| 超碰av人人做人人爽久久| 一级片'在线观看视频| 亚洲国产欧美在线一区| 国产精品一及| 黑人高潮一二区| 五月玫瑰六月丁香| xxx大片免费视频| 亚洲国产欧美在线一区| 国产精品国产三级国产av玫瑰| 久久久久久伊人网av| 亚洲av福利一区| 日韩av免费高清视频| 五月玫瑰六月丁香| 大片电影免费在线观看免费| 久久久精品94久久精品| 国产男人的电影天堂91| 久久久精品94久久精品| 欧美一区二区亚洲| 日本av手机在线免费观看| 国产成人免费无遮挡视频| 超碰av人人做人人爽久久| 国产高清有码在线观看视频| 少妇高潮的动态图| 99re6热这里在线精品视频| 国产伦理片在线播放av一区| 免费av观看视频| 人妻一区二区av| 九九在线视频观看精品| 永久网站在线| 国产成人精品久久久久久| 欧美精品人与动牲交sv欧美| 国产黄色免费在线视频| 五月伊人婷婷丁香| 免费av毛片视频| 亚洲av免费在线观看| 一级毛片 在线播放| 18禁裸乳无遮挡动漫免费视频 | 少妇 在线观看| 久久99热6这里只有精品| 国产精品国产三级国产专区5o| 欧美xxxx性猛交bbbb| 丝袜脚勾引网站| 久久精品夜色国产| 干丝袜人妻中文字幕| 欧美97在线视频| 欧美97在线视频| 国产又色又爽无遮挡免| 伦精品一区二区三区| 天天一区二区日本电影三级| 免费大片黄手机在线观看| 国产精品一区二区三区四区免费观看| 亚洲av二区三区四区| 精品国产一区二区三区久久久樱花 | 在线观看一区二区三区激情| 国产成人a区在线观看| 乱码一卡2卡4卡精品| av黄色大香蕉| 老女人水多毛片| 亚洲丝袜综合中文字幕| 熟女av电影| 国产成人精品福利久久| 成人亚洲精品一区在线观看 | 啦啦啦啦在线视频资源| 蜜桃亚洲精品一区二区三区| 狠狠精品人妻久久久久久综合| 尤物成人国产欧美一区二区三区| 夜夜爽夜夜爽视频| 午夜免费男女啪啪视频观看| 日韩一区二区视频免费看| 人人妻人人澡人人爽人人夜夜| 成人亚洲欧美一区二区av| 人人妻人人澡人人爽人人夜夜| 免费观看av网站的网址| 国产极品天堂在线| 1000部很黄的大片| 亚洲精品亚洲一区二区| 国产 一区精品| 少妇人妻久久综合中文| 黄片wwwwww| 国产精品人妻久久久影院| 综合色丁香网| 最后的刺客免费高清国语| 好男人在线观看高清免费视频| 又爽又黄无遮挡网站| 成人二区视频| 大又大粗又爽又黄少妇毛片口| 国产欧美亚洲国产| 午夜福利在线观看免费完整高清在| 久久久亚洲精品成人影院| 国产 一区精品| 国产成年人精品一区二区| 男女国产视频网站| 卡戴珊不雅视频在线播放| 精品人妻熟女av久视频| 热re99久久精品国产66热6| 99热这里只有是精品50| 国产白丝娇喘喷水9色精品| 日本与韩国留学比较| 欧美日韩视频精品一区| 亚洲怡红院男人天堂| 搡老乐熟女国产| av国产精品久久久久影院| 国语对白做爰xxxⅹ性视频网站| 久久久久国产精品人妻一区二区| 日韩一区二区三区影片| 成人美女网站在线观看视频| 国产一区二区三区综合在线观看 | 精品一区二区三区视频在线| 久热久热在线精品观看| 国产69精品久久久久777片| 精品久久久久久久人妻蜜臀av| 三级经典国产精品| 亚洲国产高清在线一区二区三| 久久国产乱子免费精品| 一级毛片 在线播放| 丝袜美腿在线中文| 国产精品嫩草影院av在线观看| 午夜爱爱视频在线播放| 久久精品国产亚洲av天美| 午夜视频国产福利| 午夜福利在线观看免费完整高清在| 国产午夜精品久久久久久一区二区三区| 高清欧美精品videossex| 毛片女人毛片| 香蕉精品网在线| 久久精品熟女亚洲av麻豆精品| 午夜免费男女啪啪视频观看| .国产精品久久| 永久免费av网站大全| 99久久精品热视频| 久久久国产一区二区| av国产精品久久久久影院| 亚洲国产最新在线播放| 久久久久国产精品人妻一区二区| 国产在线一区二区三区精| 亚洲在久久综合| 麻豆久久精品国产亚洲av| 亚洲自拍偷在线| av又黄又爽大尺度在线免费看| 国产高清有码在线观看视频| 国产中年淑女户外野战色| 精品亚洲乱码少妇综合久久| 亚洲精品一二三| 大陆偷拍与自拍| 亚洲熟女精品中文字幕| 国产男女内射视频| 性插视频无遮挡在线免费观看| 一级av片app| 最近最新中文字幕大全电影3| 99热这里只有精品一区| 夜夜爽夜夜爽视频| 国产精品麻豆人妻色哟哟久久| 久热这里只有精品99| 久久热精品热| 精品午夜福利在线看| 午夜亚洲福利在线播放| 国产淫片久久久久久久久| 久久久久久久久久久丰满| 黄色配什么色好看| 亚洲av中文av极速乱| 国产成人福利小说| 国产亚洲av嫩草精品影院| 欧美高清性xxxxhd video| 国产成人freesex在线| 国产黄色免费在线视频| 少妇的逼好多水| 嫩草影院入口| 晚上一个人看的免费电影| 精品视频人人做人人爽| h日本视频在线播放| 看非洲黑人一级黄片| 国产精品女同一区二区软件| 欧美xxxx性猛交bbbb| 免费少妇av软件| 老司机影院毛片| 日韩伦理黄色片| 国产精品精品国产色婷婷| 在线 av 中文字幕| 乱码一卡2卡4卡精品| 色综合色国产| 亚洲欧美精品专区久久| 亚洲av免费在线观看| 一区二区三区乱码不卡18| 18禁动态无遮挡网站| 赤兔流量卡办理| 身体一侧抽搐| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美成人a在线观看| 晚上一个人看的免费电影| 久久久欧美国产精品| 91久久精品电影网| 18禁裸乳无遮挡动漫免费视频 | 看免费成人av毛片| 午夜福利在线在线| 亚洲国产欧美人成| 午夜福利视频1000在线观看| 欧美成人午夜免费资源| 人妻一区二区av| 国产精品国产三级专区第一集| 麻豆国产97在线/欧美| 婷婷色综合www| 亚洲图色成人| 久久久久久久久久久免费av| 欧美日韩视频精品一区| 狂野欧美激情性xxxx在线观看| 国产人妻一区二区三区在| 男女那种视频在线观看| 久久久久久久久久久免费av| av播播在线观看一区| 我要看日韩黄色一级片| 亚洲欧美中文字幕日韩二区| 中文字幕久久专区| 国产精品一区二区性色av| 日韩制服骚丝袜av| 欧美成人a在线观看| 亚洲不卡免费看| 天天一区二区日本电影三级| 亚洲真实伦在线观看| 男女国产视频网站| 午夜爱爱视频在线播放| 免费人成在线观看视频色| 国产免费一级a男人的天堂| 国产av不卡久久| 国产人妻一区二区三区在| 精品久久久噜噜| 人妻夜夜爽99麻豆av| 亚洲精品色激情综合| 2021少妇久久久久久久久久久| 中文字幕人妻熟人妻熟丝袜美| 免费看光身美女| eeuss影院久久| 亚洲精品久久午夜乱码| 天堂俺去俺来也www色官网| 成人午夜精彩视频在线观看| 国产永久视频网站| 日韩av免费高清视频| 韩国av在线不卡| 欧美+日韩+精品| 国产 一区精品| 视频中文字幕在线观看| 女人被狂操c到高潮| 国产精品99久久久久久久久| 美女主播在线视频| 午夜福利在线观看免费完整高清在| 两个人的视频大全免费| 少妇的逼好多水| 国产人妻一区二区三区在| 日韩一区二区视频免费看| av网站免费在线观看视频| 国产国拍精品亚洲av在线观看| 亚洲最大成人手机在线| 国产色爽女视频免费观看| 熟女电影av网| 777米奇影视久久| 最近2019中文字幕mv第一页| 日韩欧美一区视频在线观看 | 在线 av 中文字幕| 国产日韩欧美在线精品| av在线蜜桃| 大片电影免费在线观看免费| 亚洲欧美日韩另类电影网站 | 久久久色成人| 联通29元200g的流量卡| 国产爱豆传媒在线观看| 一级二级三级毛片免费看| 亚洲精品国产av蜜桃| 免费av不卡在线播放| 久久久久久久久大av| 国模一区二区三区四区视频| 成人美女网站在线观看视频| 天堂中文最新版在线下载 | 卡戴珊不雅视频在线播放| 国产大屁股一区二区在线视频| 三级国产精品欧美在线观看| 精品久久国产蜜桃| 亚洲精品成人av观看孕妇| 人妻 亚洲 视频| 纵有疾风起免费观看全集完整版| 综合色av麻豆| 亚洲精品日本国产第一区| 观看免费一级毛片| 国产亚洲5aaaaa淫片| 女人十人毛片免费观看3o分钟| 午夜精品国产一区二区电影 | 久久99蜜桃精品久久| 啦啦啦中文免费视频观看日本| 日日啪夜夜爽| 亚洲精品aⅴ在线观看| 亚洲av电影在线观看一区二区三区 | 高清毛片免费看| 国产av码专区亚洲av| 国产男女内射视频| 熟女人妻精品中文字幕| 国产精品人妻久久久久久| 国产一区二区三区av在线| 国产av国产精品国产| 又黄又爽又刺激的免费视频.| 男的添女的下面高潮视频| 青青草视频在线视频观看| 18禁动态无遮挡网站| 亚洲电影在线观看av| 国产男女内射视频| 干丝袜人妻中文字幕| 麻豆成人av视频| 深夜a级毛片| 国语对白做爰xxxⅹ性视频网站| 男女无遮挡免费网站观看| 午夜福利在线在线| 一区二区三区四区激情视频| 中文字幕人妻熟人妻熟丝袜美| 欧美精品一区二区大全| 视频中文字幕在线观看| 精品人妻一区二区三区麻豆| 亚洲电影在线观看av| 久久精品综合一区二区三区| 亚洲欧美日韩另类电影网站 | 久久精品国产亚洲av天美| 在线a可以看的网站| 高清av免费在线| 99热这里只有是精品在线观看| 欧美激情久久久久久爽电影| 国产伦精品一区二区三区视频9| 国产老妇伦熟女老妇高清| 另类亚洲欧美激情| 99热国产这里只有精品6| 99久久精品国产国产毛片| 午夜视频国产福利| 亚洲成人精品中文字幕电影| 日日摸夜夜添夜夜爱| 精品久久久噜噜| 街头女战士在线观看网站| 欧美成人一区二区免费高清观看| 国产色婷婷99| 汤姆久久久久久久影院中文字幕| 天美传媒精品一区二区| 蜜桃久久精品国产亚洲av| 最近中文字幕2019免费版| 男女边吃奶边做爰视频| 国产69精品久久久久777片| 白带黄色成豆腐渣| 高清av免费在线| 欧美极品一区二区三区四区| 亚洲第一区二区三区不卡| 91久久精品国产一区二区三区| 欧美日韩国产mv在线观看视频 | 色视频www国产| 熟女av电影| 九九久久精品国产亚洲av麻豆| 黄色视频在线播放观看不卡| 人人妻人人爽人人添夜夜欢视频 | 乱系列少妇在线播放| 久久久久国产网址| 爱豆传媒免费全集在线观看| 久久久久国产精品人妻一区二区| 网址你懂的国产日韩在线| 欧美另类一区| 成年av动漫网址| 永久免费av网站大全| av在线播放精品| 国产精品麻豆人妻色哟哟久久| 国产精品无大码| 五月天丁香电影| 麻豆成人av视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲久久久久久中文字幕| 国产免费一级a男人的天堂| 欧美激情在线99| 人人妻人人看人人澡| 日韩大片免费观看网站| 晚上一个人看的免费电影| 国产永久视频网站| 久久韩国三级中文字幕| 在线观看一区二区三区激情| 免费av毛片视频| 国产精品久久久久久精品电影小说 | av国产久精品久网站免费入址| 成人一区二区视频在线观看| 国产精品无大码| 日韩 亚洲 欧美在线| 久久精品国产亚洲av涩爱| 国产男人的电影天堂91| 国产精品蜜桃在线观看| 国产免费一级a男人的天堂| 日日摸夜夜添夜夜爱| 亚洲人成网站在线观看播放| 日本wwww免费看| 精品久久久久久久人妻蜜臀av| 成人免费观看视频高清| 久久久精品94久久精品| 亚洲av在线观看美女高潮| 亚洲精品日韩在线中文字幕| av女优亚洲男人天堂| 国产欧美亚洲国产| 各种免费的搞黄视频| 亚洲av不卡在线观看| av在线蜜桃| 好男人视频免费观看在线| 久久亚洲国产成人精品v| 国产av不卡久久| 久久久久久久久久久丰满| 午夜福利高清视频| 性插视频无遮挡在线免费观看| 中国美白少妇内射xxxbb| 97超视频在线观看视频| 久久久久久久国产电影| 神马国产精品三级电影在线观看| 一区二区三区乱码不卡18| 欧美人与善性xxx| 国产一区二区三区av在线| av女优亚洲男人天堂| 成人亚洲欧美一区二区av| 天美传媒精品一区二区| 久久精品熟女亚洲av麻豆精品| 久久久久久伊人网av| 建设人人有责人人尽责人人享有的 | 午夜免费鲁丝| 成人一区二区视频在线观看| 精品人妻视频免费看| 99热6这里只有精品| 1000部很黄的大片| 欧美激情在线99| 国产精品99久久久久久久久| 久久久久久国产a免费观看| 久久精品国产鲁丝片午夜精品| 3wmmmm亚洲av在线观看| 国产成人aa在线观看| 寂寞人妻少妇视频99o| 成人无遮挡网站| 在线播放无遮挡| 国产精品人妻久久久影院| 99久久人妻综合| 国产真实伦视频高清在线观看| 下体分泌物呈黄色| 高清午夜精品一区二区三区| 精品久久久久久久末码| 日本熟妇午夜| 午夜亚洲福利在线播放| 国产精品人妻久久久久久| 亚洲国产欧美人成| 国产免费又黄又爽又色| 亚州av有码| 国产色爽女视频免费观看| 日韩制服骚丝袜av| 亚洲人成网站在线播| 国产精品国产三级专区第一集| 亚洲欧美中文字幕日韩二区| 99视频精品全部免费 在线| 久久99热这里只频精品6学生| 看黄色毛片网站| 国产黄a三级三级三级人| 成人一区二区视频在线观看| 国产精品一及| 亚洲久久久久久中文字幕| 日韩中字成人| 久热久热在线精品观看| 日本与韩国留学比较| 亚洲精品第二区| 欧美精品一区二区大全| 久久久久九九精品影院| av福利片在线观看| 亚洲精品影视一区二区三区av| 天天一区二区日本电影三级| 欧美性猛交╳xxx乱大交人| 80岁老熟妇乱子伦牲交| 欧美精品国产亚洲| 精品人妻一区二区三区麻豆| 菩萨蛮人人尽说江南好唐韦庄| 亚洲美女搞黄在线观看| 日本色播在线视频| 极品教师在线视频| 91aial.com中文字幕在线观看| 99热6这里只有精品| 在线观看av片永久免费下载| 亚洲国产精品成人久久小说| 1000部很黄的大片| 午夜爱爱视频在线播放| 国产爱豆传媒在线观看| 久久精品国产亚洲网站| 日韩一本色道免费dvd| 熟女人妻精品中文字幕| 国产永久视频网站| 精品人妻熟女av久视频| 国产精品一区二区性色av| 午夜爱爱视频在线播放| 男的添女的下面高潮视频| 麻豆成人午夜福利视频| 亚洲成色77777| 18禁裸乳无遮挡免费网站照片| 成人高潮视频无遮挡免费网站| 欧美日韩视频高清一区二区三区二| 精品久久久久久久人妻蜜臀av| 亚洲内射少妇av| 国产伦精品一区二区三区四那| 国产av不卡久久| 联通29元200g的流量卡| 色哟哟·www| 秋霞伦理黄片| 男女边吃奶边做爰视频| 久热这里只有精品99| 九色成人免费人妻av| 国产日韩欧美在线精品| 国产黄a三级三级三级人| 18+在线观看网站| a级毛片免费高清观看在线播放| 在线播放无遮挡| 青青草视频在线视频观看| 国产欧美亚洲国产| 王馨瑶露胸无遮挡在线观看| 岛国毛片在线播放| 色播亚洲综合网| 成人免费观看视频高清| 性插视频无遮挡在线免费观看| 少妇高潮的动态图| 成人无遮挡网站| 国产熟女欧美一区二区| 色婷婷久久久亚洲欧美| 寂寞人妻少妇视频99o| 最近2019中文字幕mv第一页| 亚洲精品视频女| 色视频www国产| 哪个播放器可以免费观看大片| 青春草国产在线视频| 97人妻精品一区二区三区麻豆| 欧美日韩亚洲高清精品| 草草在线视频免费看| 精品99又大又爽又粗少妇毛片| 久久精品久久久久久噜噜老黄| 蜜桃久久精品国产亚洲av| 久久久久久伊人网av| 成人美女网站在线观看视频| 高清av免费在线| 日韩一区二区视频免费看| 久久影院123| 久久鲁丝午夜福利片| 91精品伊人久久大香线蕉| 亚洲欧美中文字幕日韩二区| 99精国产麻豆久久婷婷| 成年人午夜在线观看视频| av网站免费在线观看视频| 国产亚洲一区二区精品| 国内揄拍国产精品人妻在线| 免费黄网站久久成人精品| 日日撸夜夜添| 免费人成在线观看视频色| 久久ye,这里只有精品| 欧美激情久久久久久爽电影| 国模一区二区三区四区视频| 身体一侧抽搐| 国产人妻一区二区三区在| 汤姆久久久久久久影院中文字幕| 色视频www国产| 日本wwww免费看| 国产一区有黄有色的免费视频| 又粗又硬又长又爽又黄的视频| 久久久精品免费免费高清| 校园人妻丝袜中文字幕| 搞女人的毛片| 久久精品久久精品一区二区三区| 国产伦在线观看视频一区| 丰满乱子伦码专区|