一种用于MOPSO的全局极值确定和种群更新的新策略

• 作者: 刘少伟 朱永利
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 多目标优化 外部档案 密集距离 稀疏距离
• 年，卷（期）: 2017,（9X）
• 页码范围: 217-220
• 页数: 4页
• 分类号: TP18

摘要

多目标粒子群优化过程中,收敛速度和粒子的多样性之间往往不能兼顾,且常易于陷入局部最优。为了更好地解决此问题,该文结合Pareto支配的思想,提出了一种改进的多目标粒子群优化算法。此方法使用带有规模限制的外部档案,并采用在线归档技术,改进了粒子群和外部档案的更新方式。当外部档案达到最大规模时,剔除密集距离最小的非劣解;在全局极值的确定中,除考虑概率外,选取稀疏距离最大的非劣解作为当前代的全局极值;另外采取多次迭代的方法更新种群。对几个典型函数的仿真结果表明,算法在寻优效率和Pareto前沿的性能指标方面达到了满意的效果。该算法为其他更加复杂的多目标优化问题提供了新思路。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永利	华北电力大学控制与计算机工程学院	268	5516	39.0	62.0
2	刘少伟	华北电力大学控制与计算机工程学院	2	0	0.0	0.0