资源描述：
《一种基于群体分布特征的自适应多目标粒子群优化算法》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、第32卷第8期控制与决策Vol.32No.82017年8月ControlandDecisionAug.2017文章编号:1001-0920(2017)08-1386-09DOI:10.13195/j.kzyjc.2016.0631一种基于群体分布特征的自适应多目标粒子群优化算法耿焕同y,陈哲,陈正鹏,薛羽(南京信息工程大学计算机与软件学院，南京210044)摘要:针对多目标优化问题求解,提出基于群体分布特征的多目标自适应粒子群优化算法(pdMOPSO).首先借助统计方法分析归档集在决策空间的分布特征,以此划分进化状态,指导全局引导粒子的选择;然后设计粒子重排策略,动
2、态调控种群的分布;最后依据进化状态设计不同的归档集维护策略,实现归档集中分布性和收敛性的均衡.以ZDT、DTLZ和CEC09为测试集,与7种多目标优化算法对比,指标IGD、Spread和ER结果表明,所提出的算法在收敛性和分布性上均有显著优势.关键词:粒子群；多目标优化；群体分布特征；多样性保持；自适应中图分类号:TP18文献标志码:AAself-adaptivemulti-objectiveparticleswarmoptimizationalgorithmbasedonswarmdistributioncharacteristicCENGHuan-tongy,C
3、HENZhe,CHENZheng-peng,XUEYu(SchoolofComputerandSoftware，NanjingUniversityofInformationScience&Technology，Nanjing210044，China)Abstract:Aself-adaptivemulti-objectiveparticleswarmoptimizationalgorithmbasedontheswarmdistributioncharacteristicisproposed.Firstly,theinterquartilerange(IQR)isa
4、ppliedtoanalyzethedistributionfeaturesofarchiveinthedecisionspaceandclassifythestateofevolution,forguidinggloballeaderselecting.Then,aswarmvariationoperatorisproposedtorearrangeparticlesdynamically.Finally,accordingtotheevolutionstate,anarchivemaintainingstrategyisdesignedtoachieveabal
5、ancebetweendistributionandconvergence.Theproposedalgorithmiscomparedwith7state-of-the-artmulti-objectiveoptimizationalgorithmsonZDT,DTLZandCEC09Benchmarks.TheindicatorsofIGD,SpreadandERshowthattheproposedalgorithmhascertainadvantagesoverotheralgorithmsintermsofconvergenceanddistributio
6、n.Keywords:particleswarm；multi-objectiveoptimization；swarmdistributioninformation；maintainingdiversity；self-adaptive0引䀰方法正受到国内外学者的广泛关注,并已被证明是一在现实世界中,许多复杂优化问题需同时优化彼种极具潜力的MOPs求解方法.此冲突的多个目标,这类优化统称为多目标优化问题国内外对于MOPSO已取得许多标志性研究成果:在归档集维护策略方面,如平行网格策略[3]和R2(MOPs),其求解方法一直是学术界和工程界关注的策略[4],通过不同方法评
7、估归档集中粒子优劣程度,焦点,基于种群的进化算法因对Pareto最优解集的凹从而使Pareto最优前沿具有更好的分布性能[5];在全凸性、可微性和连续性不敏感,现已成为求解MOPs的有效方法之一,粒子群优化算法[1]是由Kennedy等局引导粒子选择策略方面,基于动态加权法[6]、基于偏好信息[7]等策略的MOPSO算法相继提出,通过选在1995年提出的仿生算法,是具有形式简洁、收敛快速和参数少等优点的进化算法,已成功应用于单目标择合适的全局最优粒子,提高进化种群的多样性或收优化问题的求解中,自2002年Coello等[2]首次提出敛性;在平衡算法探索与探究策略
