一种新的多目标粒子群优化算法研究

一种新的多目标粒子群优化算法研究

ID:12383899

大小:44.00 KB

页数:32页

时间:2018-07-16

一种新的多目标粒子群优化算法研究_第1页
一种新的多目标粒子群优化算法研究_第2页
一种新的多目标粒子群优化算法研究_第3页
一种新的多目标粒子群优化算法研究_第4页
一种新的多目标粒子群优化算法研究_第5页
资源描述:

《一种新的多目标粒子群优化算法研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32一种新的多目标粒子群优化算法研究32第27卷第6期2010年6月计算机应用与软件ComputerApplicationsandSoftwareV01.27No.6Jun.2010一种

2、新的多目标粒子群优化算法研究庹军民(上海证卷交易所上海200120)摘要定义了Pareto最优解及与其相关的一些概念,引入了被广泛应用的改进的单目标PSO(ParticleSwarmOptimization)算法。在此基础上提出了MOPSO算法,用改进的Pareto最优解概念排挤不满足约束的解,还采取一种新的寻找全局最优粒子策略。为了方便评估算法的性能,提出三个比较规则:AD、SP和ER。求解三个复杂的测试问题的结果显示,MOPSO能求出数量充足的、分布均一匀的P鲫eto最优解。关键词Pareto最优解粒子群多目标优化问题粒子全局最优粒子ONANEWALGORITHMOF

3、MULTI—oBJECTIVEPARTICLESWARMOPTIMISATIONTuoJunmin(ShanghaiStockExchange,Shanghai200120,China)AbstractInthispaperwefirstdefinetheParetooptimalsolutionandsomeconceptscorrelatedtoit,andsecondlyintroducetheimprovedParticleSwarmOptimisationwhichhasbeenwidelyappliedforsolvingthesingle-objective

4、optimisationproblems.Basedonthese.0111"muh-ob—tojectivelutionsParticleSwarmOptimisation,MOPSO,isnotproposed,inwhichtheimprovedParetooptimalsolutionconceptisusedtopushasidethe盼meetingtheconstraints,andtoanewstmtegyfindglobaloptimalparticlesisadoptedaswell.Threecomparisonregulations,AD,SPto

5、andER,aresuggestedfacilitatetheevaluationoftheperformanceofMOPSO.MOPSOisemployedevensolvethreecomplextestingproblemsandtheresultsshowthatMOPSOCanobtainenoughParetooptimalsolutionswithKeywordsParetooptimaldistribution.ParticlesolutionParticleSwarmMulti・objective32optimisationproblemGlobalb

6、estparticle0引言1多目标优化与PSO多目标优化问题的各优化目标之间经常是相互冲突的,因此,它的最优解不唯一,而是一系列在多个目标之间权衡的折衷解,被称为Pareto最优解。求解多目标优化问题就是要求得数量充足的、分布广且均匀的Pareto最优解,即最精确的近似Pareto前沿。下面介绍其相关概念。在现实世界中存在大量的多目标优化问题。这些问题具有较高的复杂度,因此传统的求解方法不适用…。近年来,基于群体的进化计算被广泛用来求解多目标优化问题,如遗传算法、粒子群优化算法等。其中,粒子群优化PS0是一种新兴的进化计算方法,容易理解、易于实现,并且在很多情况下比遗传

7、算法有更高的效率,因此粒子群优化在许多多目标优化问题得到成功应用。Parsopoulos在文献[2]中采用基于粒子群优化的线性加权法来求解多目标优化问题,但其结果对权重敏感;Hu在文1.1多目标优化的基本概念不失一般性,多目标优化问题可表达为下面的形式:Min{z。=Z(工),Z2=五(茗),…,气=‘32(菇)}s.t.(1)献[3]中提出用动态邻居策略的粒子群优化算法,但其结果对目标排序方法敏感;Coello在文献[4]中提出基于外部容器的精英保留策略及基于动态栅格的容器维护算法,此算法采用轮盘赌算法选取全局最优粒子,缺陷

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。