基于分解策略的多目标粒子群优化算法研究

《基于分解策略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，更多相关内容在学术论文-天天文库。

1、：一ｉ＼■１．．／／＾学校编号：１０３９４困书分类号：学号：２０１３０６１５密级：．巧．＠福走巧茫大爹全日制学术学位研巧生硕：ｔ学位论文１基于分解策略的多目标粒子群优化算法研巧－ｅｃｔＴｈｅＲｅｓｅａｒｃｈｏｎＭｕｌｔｉｏｂｉｖｅＰａｒｔｉｃｌｅｊＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＡｌｏｒｉｔｈｍｓＢａｓｅｄｏｎｇＤｅｃｏｍｏｓｉｔｉｏｎＳｔｒａｔｅｐｇｙ：秦白猛学科专业：软件工程研巧方向：计算智能指导教师一：严宣辉勘教授申请学位级

2、别：工学硕±奸论文提交日期：２０１６年３月２Ｓ日、论文评阅人：ｓ＼Ｑ‘Ｖ论文答辩日期：２０１６年５月２Ｓ日、Ｉ１答辩委员会主席：叶东毅教授於／学位授予单位：福建师范大学，学位授予日期１６年月日：２０ｆ／２０１６年月嗦■ｉ：．ｒ中文摘要粒子群优化算法在解决多目标优化问题上具有代码编写简单、算法易于实现、解集收敛速度快等优点。因此，它在多目标优化领域中已经成为研巧热点。但是目前多目标粒子群优化算法的近似解集在分布均匀性、多样性、收敛性上仍存在不足，

3、一此外，算法效率仍需进步提高。、本文在多目标粒子群优化算法的基础上，Ｗ分解策略为核屯点，针对多目标粒、、子群优化算法的效率及其近似解集分布均匀性多样性收敛性等问题，进行了改。进和创新，提出两种效果较优的算法本文主要工作如下：一１将经典的切比雪夫分解策略应用到多目标粒子群优化算法中，提出了种混（）０６３一合分解的多目标粒子群优化算法８１１１（１９３０。在该方法分解框架的基础上应用了种全新的粒子全局最优值选取策略，并引入新的粒子飞行速度限制策略来控制粒子的飞行空间，同时利用精英解集保留策略来保留优秀解集。该方法与经典的进化

4、算法ＮＳＧＡＩＩ，ＭＯＥＡ／Ｄ及多目标粒子群优化算法ＯＭＯＰＳＯ进行对比，表明该算法在解集收敛性Ｗ及两目标问题的多样性上均比对比算法优秀，但是解集均匀性Ｗ及一步提高算法效率有待进。设计了一种新的基于分解的多目标粒子辭优化算法ＨＥＭＯＰＳＯ。该算法在（巧Ｓｍｏｅａｄ一保持ｐｓｏ算法良好收敛性的前提下，进步提升了算法均匀性Ｗ及算法效率。为提升解集均匀性，算法引入易产生均匀解集的惩罚进界插入分解策略，并将其与一多目标粒子群优化算法融合。为提升算法效率，提出了种简洁快速的全局最优值选取策略，根据粒子飞行后期会收敛到真实Ｐａｒ

5、ｅｔｏ前沿面这个理论，舍弃了外部存。档集策略为了防止粒子飞斤后期陷入局部最优，算法引入了粒子衰老重启机制。通过与ＯＭＯＰＳＯ及Ｓｍｏｅａｄｐｓｏ两个多目标粒子群优化算法对化，证明该算法保一留了良好的收敛性，同时在解集多样性、均匀性和算法效率上均有定捏度的提离。关键词，：多目标优化，粒子群算法，分解策略，切比雪夫分解惩罚边界插入Ｉ摘要Ａｂｓ化ａｃｔＰａｒｔｔｔｔ－ｔｉｃｌｅｓｗａｒｍｏｐｉｍｉｚａｉｏｎａｌｇｏｒｉｈｍｈａｓｈｅａｄｖａｎｔａｇｅｓｉｎｓｏｌｖｉｎｇｍｕｌｔｉｏｂｅｃｔｉｖｅｊｐｒ

6、ｏｂｌｅｍｓｗｉｔｈｓｉｍｐｌｅｅｎｃｏｄｉｎｇｅａｓｙ１：ｏｉｍｐｌｅｍｅ打ｔ，ｆａｓｔｃｏｎｖｅｒｇｅ打ｃｅｓｅｅｄｅｔｃ．Ｔｈｅｒｅｆｏ化，，ｐｔｈｅｐａｒｔｉｃｌｅｓｗａｒｍａｌｇｏｒｉｔｈｍｈａｓｂｅｃｏｍｅａｒｅｓｅａｒｃｈｈｏｔｓｐｏｔｉｎｍｕｌｔｉｏｂｅｃｔｉｖｅｊｅａｒｏｘｏｎｓｅｔｏｆｍｕｔ－ｏｐｔｉｍｉｚａｔｉｏｎ．Ｂｕｔｔｈｐｐｉｍａｔｅｓｏｌｕｔｉｌｉｏｂｅｃｔｉｖｅａｒｔｉｃｌｅｓｗａｒｍｊｐｏ－ｔｔｔｒｔｐｔｉｍｉｚａｉｏ打ａｌｏｒｉｔｈｍｓｈｏｕ

7、ｌｄｂｅｉｍｒｏｖｅｄｉｎｅｒｍｓｏｆｄｉｓｉｂｕｉｏ打ｕｎｉｆｏｒｍｉｔｄｉｖｅｒｓｉｔｇｐｙ，ｙ，ｃｏｎｖｅｒｅｎｃｅ．Ｍｏｒｅｏｖｅｒｔｈｅｅｆｉｃｉｅｎｃｏｆｔｈｅａｌｏｒｉｔｈｍｎｅｅｄｆｕｒｔｈｅｒｉｍｒｏｖｅｍｅｎｔｓ．ｇ，ｙｇｐ－Ｂａｓｅｄｏｎｍｕｈｉｏｔｌ）ｅｃｔｉｖｅａｒｔｉｃｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍｄｅｃｏｍｏｓｈＪｏｎｊｐｐｇ，ｐｓｔｒａｔｅｓｒｅａｒｄｅｄａｓ泣ｂｒｅａｔｏｎｔｉｎｏｕｒａｅｒＩｎｖｅｗｏｆｈｅｍｏｇｙｉｇｋ

8、ｈｒｏｕｇｈｐｉｐｐ．ｉｔｐｒｏｂｌｅｆｅｆｉｃｉｅｎｃｙｏｆａｒｔｉｃｌｅｓｗａｒｍｏｐ