一种基于Pareto关联度支配的多目标粒子群优化算法

• 作者: 姜云昊 李佐勇 李芳 汤可宗 詹棠森
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 多目标优化 粒子群优化 Pareto支配 关联度 多样性
• 年，卷（期）: 2019,（4）
• 页码范围: 439-446,480
• 页数: 9页
• 分类号: TP391.41
• 字数: 7666字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2019.43.04.009

摘要

为提高多目标优化算法的收敛性和多样性,提出一种基于Pareto关联度支配的多目标粒子群优化算法(MOPSO-PCD).该算法在严格遵守传统Pareto支配规则基础上,将灰色关联分析方法融入非劣支配解的进化过程,设计了一种新颖的Pareto关联度支配规则.该支配规则作用于全局最优粒子的选择过程,具有关联度最大的全局最优粒子将引领粒子群体向着真实Pareto前沿不断逼近.同时,将该支配规则应用于外部档案中非劣支配解的维护过程,可减少或避免最终解集多样性的损失,从而维护好外部档案中非劣解的分布过程.仿真实验表明,与被比较算法在ZDT和DTLZ等系列测试函数相比,MOPSO-PCD能够获得更好的Pareto最优前沿分布特性和较快的收敛效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹棠森	景德镇陶瓷大学信息工程学院	73	171	7.0	8.0
2	李芳	景德镇陶瓷大学信息工程学院	7	20	3.0	4.0
3	汤可宗	景德镇陶瓷大学信息工程学院	18	142	5.0	11.0
4	李佐勇	工业机器人应用福建省高校工程研究中心闽江学院	2	4	1.0	2.0
5	姜云昊	景德镇陶瓷大学信息工程学院	1	4	1.0	1.0