基于自适应学习的多目标粒子群优化算法

• 作者: 严太山 尹呈 李文彬 郭观七
• 来源期刊: 计算机应用研究
• 关键词: 粒子群优化 多目标优化 自适应惯性权值 聚类排挤 最优搜索方向学习
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3232-3235
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.09.008

摘要

将进化算法应用于某些多目标优化问题时,采用增加种群规模和进化代数的方法往往耗费大量的目标函数计算开销,且达不到提高种群进化效率的目的,为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法.采用自适应惯性权值平衡算法的全局和局部搜索能力,采用聚类排挤方法保持Pareto非支配解集的分布均匀性,使用最近邻学习方法为每个粒子在Pareto非支配解集中寻找一个最优飞行目标来提高其收敛速度并保持粒子群搜索方向的多样性.实验结果表明,提出的算法可在显著地降低函数评估成本的前提下实现快速的搜索,并使粒子群均匀地逼近Pareto最优面.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭观七	湖南理工学院信息与通信工程学院	44	368	13.0	17.0
2	严太山	湖南理工学院信息与通信工程学院	38	402	10.0	19.0
3	尹呈	湖南理工学院信息与通信工程学院	2	15	1.0	2.0
7	李文彬	湖南理工学院信息与通信工程学院	27	80	6.0	8.0