基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法.pdf

《基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法.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、JournalofComputerApplicationsISSN1001—908l2014．04．10计算机应用，2014，34(4)：1074—1079CODENJYIIDUhttp：／／www．joca．cn文章编号：1001—9081(2014)04—1074—06doi：10．11772／j．issn．1001—9081．2014．04．1074基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法黄敏，江渝，毛安，姜琪(1．输配电装备及系统安全与新技术国家重点实验室(重庆大学)，重庆400044；2．重庆大学材料科学与工程学院

2、，重庆400044)(}通信作者电子邮箱hmtma212@163．con)摘要：针对多目标粒子群优化算法全局最优位置选取存在的缺陷和局部搜索能力弱的缺点，提出一种基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法MOPSO．GL。首先对Sigma法进行改进，引入拥挤距离机制，不再是粒子从档案中选择全局最优位置，而是档案成员从种群中选择合适的被引导粒子，引导种群均匀快速地向Pareto前沿飞行，提高了Pareto解的收敛性和多样性；其次当种群寻优能力减弱时，引入基于SkewTent映射的变尺度全面搜索混沌优化策略对外部档案进行局部搜索，

3、以提高算法的收敛性；最后通过与其他多目标优化算法的比较，结果表明MOPSO—GL具有更好的收敛性和分布性。关键词：粒子群优化；多目标优化；全局最优位置；局部搜索中图分类号：TP18；TP301．6文献标志码：AMulti-objectiveparticleswarmoptimizationalgorithmbasedonglobalbestpositionadaptiveselectionandlocalsearchHUANGMin，JIANGYu，MAOAn，JIANGQi(1．StateKeyLaboratoryofPowerTransm

4、issionEquipmentandSystemSecurityandNewTechnology(ChongqingUniversity)，Chongqing4OOO44，China；2．CollegeofMaterialsScienceandEngineering，ChongqingUniversity，Chongqing400044，China)Abstract：Todealwiththeproblemsofthestrategiesforselectingtheglobalbestpositionandthelowlocalsearch

5、ability，amulti—objectiveparticleswarmoptimizationalgorithmbasedonglobalbestpositionadaptiveselectionandlocalsearchnamedMOPSO—GLwasproposed．DuringtheguidingparticlesselectioninMOPSO—GL，theSigmamethodandcrowdingdistanceoftheparticleinthearchivewereusedandthearchivememberchose

6、theguidedparticlesintheswarmtoimprovethesolutiondiversityandtheswarmuniformity．Therefore，thepopulationmightgetclosetothetrueParetooptimalsolutionsuniformlyandquickly．Furthermore，theimprovedchaoticoptimizationstrategybasedonSkewTentmapwasadopted，toimprovethelocalsearchabilit

7、yandtheconvergenceofMOPSO—GLwhenthesearchabilityofMOPSO—GLgotweak．ThesimulationresuhsshowthatMOPSO—GLhasbetterconvergenceanddistribution．Keywords：ParticleSwarmOptimization(PSO)；multi—objectiveoptimization；globalbestposition；localsearch响j，并且档案成员越优秀选出的gbest也越优秀。然而由0引言于MOPSO局部

8、搜索能力较弱，对复杂的多峰问题易陷入局大多数科学和工程问题都是多目标优化问题(Multi—部极值，导致部分档案成员不再优秀。国内外学者对MOPSOobjective