求解多目标优化问题的自适应混沌混合蛙跳算法

• 作者: 田祎
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多目标优化 混合蛙跳算法 Pareto 前端 混沌优化
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 算 法
• 页码范围: 252-255
• 页数: 4页
• 分类号: TP18
• 字数: 4635字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.06.062

摘要

针对多目标优化问题提出一种自适应混沌混合蛙跳算法 MACSFLA（Adaptive chaos shuffled frog leaping algorithm for mul-tiobjective optimization）。使用动态权重因子策略以提高混合蛙跳算法 SFLA（Shuffled Frog Leaping Algorithm）收敛效率，引入基于 Pa-reto 支配能力的 SFLA 子族群划分策略，使得 SFLA 能够应用于多目标优化问题。在此基础上，MACSFLA 首先利用 SFLA 快速寻优能力接近理论 Pareto 最优解，然后采用自适应网格密度机制动态维护外部存储器 Pareto 最优解规模，并使用自适应混沌优化技术改善 Pareto 最优解集样本多样性，最后利用 Pareto 最优解选择策略为青蛙种群选择最优更新粒子。多目标函数测试实验结果表明，与MOPSO 和 NSGA-Ⅱ相比，MACSFLA 在 Pareto 最优解集均匀性和多样性上有明显优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田祎		33	45	4.0	4.0