一种改进的多目标粒子群优化算法及其应用-论文.pdf

《一种改进的多目标粒子群优化算法及其应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第3期计算机应用研究Vo1．31No．32014年3月ApplicationResearchofComputersMar．2014一种改进的多目标粒子群优化算法及其应用冯金芝，陈兴，郑松林(上海理工大学a．机械工程学院；b．机械工业汽车底盘机械零部件强度与可靠性评价重点实验室，上海200093)摘要：为提高多目标粒子群优化(MOPSO)算法处理多目标优化问题的性能，降低计算复杂度，改善算法的收敛性，提出了一种改进的多目标粒子群优化算法。通过运用比例分布及跳数改进机制策略的方法，使该算法不仅继承了MOPSO算法的优点，而且具有很强的局部搜索能力和较好的鲁棒性能，使非劣解集均匀分布

2、，尽可能逼近真实的非劣前沿。通过对多连杆悬架空间结构硬点的多目标优化，进一步验证了该算法的实用性及其优越性。关键词：多目标粒子群优化；比例分布；跳数改进机制；多连杆悬架中图分类号：TP301．6文献标志码：A文章编号：1001—3695(2014)03'0675—004doi：10．3969／i．issn．1001．3695．2014．03．008ImprovedMOPSOalgorithmanditsapplicationFENGJin-zhiCHENXingZHENGSong—lin，(a．SchoolofMechanicalEngineering，b．MachineryIndus

3、tryKeyLaboratoryforMechanicalStrength&ReliabilityEvaluationofAutoChass~Com-portents，UniversityofShanghaiforScience&Technology，Shanghai200093，China)Abstract：Inordertoenhancethemulti—objectiveparticleswarmoptimization(MOPSO)algorithmprocessingperformanceformulti—objectiveoptimization，reducethecomp

4、utationalcomplexityandimprovetheconvergenceofalgorithm，thispaperputfor—wardanimprovedmulti—objectiveparticleswarmoptimizationalgorithm，whichusedproportionaldistributionandjumpimprovedmechanism，notonlyinheritedtheadvantagesofMOPSOalgorithm，buthadastronglocalsearchingability，goodrobustperformancea

5、nduni~rmnon—inferiorsolutionset，asfaraspossibleapproximationrealnon—inferiorfront．Thepract!cabilityandsuperiorityoftheproposedalgorithmisverifiedbyapplyingitintomulti·objectiveoptimizationofthespatialstructuregeometrypa-rametersofamulti—linksuspension．Keywords：multi—objectiveparticleswarmoptimiz

6、ation；proportionaldistribution；jumpimprovedmechanism；multi—linkSUS·pensionO引言1多目标优化基本概念多目标优化即解决工程应用中含有多个目标和多约束的多目标优化问题需要同时优化多个目标函数，这些目标函优化问题。目前，解决多目标优化问题主要有遗传算法(GA)数称为目标函数向量。多目标优化问题的数学描述如下：和粒子群优化(PSO)算法。GA作为一种高度并行随机全局搜rainF()=()()，⋯()]索方法，能够较好地找到全局最优，但是收敛速度较慢，产生新S．t．g()≤0(或／>o)i：1，2，⋯，n后代的时间比较长；

7、PSO算法收敛速度较快，但是容易陷入局()=O=1，2，⋯，m(1)部最优。自1985年进化算法首次应用于多目标优化以后，这其中()(i=1，2，⋯，n)为目标函数，g()为不等式约束，，一领域的研究不断发展，许多学者尝试各种努力改善GA和()为等式约束。这里引入多目标优化中几个重要概念。PSO算法，如采用优化约束粒子群算法⋯、向量评价微分遗传定义1Pareto支配。决策变量支配满足所有算法、GA—EO算法、Pareto存档进化策略HJ、并行单