基于自适应进化学习的约束多目标粒子群优化算法

• 作者: 于涛 吴佳欢 张超然 王建林 赵利强
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 多目标粒子群优化 自适应进化学习 拥挤距离
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1765-1770
• 页数: 6页
• 分类号: TP273
• 字数: 5800字
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2013.0739

摘要

针对约束边界粒子在边界区域搜索能力不足的问题，提出一种基于自适应进化学习的约束多目标粒子群优化算法。该算法根据不符合约束条件粒子的约束违反程度，修正优化算法的进化学习公式，提高算法在约束边界区域的搜索能力；通过引入一种基于拥挤距离的Pareto最优解分布性动态维护策略，在不增加算法复杂度的前提下改进Pareto前沿的分布性。实验结果表明，所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto前沿。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建林	北京化工大学信息科学与技术学院	107	1185	19.0	31.0
2	赵利强	北京化工大学信息科学与技术学院	53	331	11.0	17.0
3	于涛	北京化工大学信息科学与技术学院	51	366	11.0	18.0
4	吴佳欢	北京化工大学信息科学与技术学院	3	25	2.0	3.0
5	张超然	北京化工大学信息科学与技术学院	3	24	2.0	3.0