计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2007年
11期
2817-2820,2823
,共5页
多目标优化%NSGA-Ⅱ%多目标粒子群优化%算法融合
多目標優化%NSGA-Ⅱ%多目標粒子群優化%算法融閤
다목표우화%NSGA-Ⅱ%다목표입자군우화%산법융합
用多目标粒子群优化(MOPSO)算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作,获得一个新的算法(NSGA-Ⅱ-MOPSO).为使这两种差异较大的算法实现无缝融合,在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理:1)粒子对应于NSGA-Ⅱ中子代群体的个体;2)不再使用粒子速度概念;3)不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体;4)每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率.另外,引入稀疏程度概念来评价粒子在目标函数空间的分布.6个算例的结果表明,与NSGA-Ⅱ及最新的两种MOPSO算法(CLMOPSO和EM-MOPSO)相比,新算法是一个有效、稳定的算法.
用多目標粒子群優化(MOPSO)算法的粒子位置更新模式替代NSGA-Ⅱ的交扠操作,穫得一箇新的算法(NSGA-Ⅱ-MOPSO).為使這兩種差異較大的算法實現無縫融閤,在NSGA-Ⅱ算法範圍內對MOPSO中特有的概唸粒子及其速度、Pbest、引導者進行處理:1)粒子對應于NSGA-Ⅱ中子代群體的箇體;2)不再使用粒子速度概唸;3)不再使用粒子Pbest概唸,代之以從父代群體中為每箇粒子的每一維尋找一箇最近的該粒子非支配箇體;4)每一箇粒子的引導者可以是父代群體中稀疏程度最大的箇體或者是按照二進製隨機競賽選擇方法從父代群體中選擇的一箇箇體,具體哪一種方式髮揮作用依賴于預先設定的概率.另外,引入稀疏程度概唸來評價粒子在目標函數空間的分佈.6箇算例的結果錶明,與NSGA-Ⅱ及最新的兩種MOPSO算法(CLMOPSO和EM-MOPSO)相比,新算法是一箇有效、穩定的算法.
용다목표입자군우화(MOPSO)산법적입자위치경신모식체대NSGA-Ⅱ적교차조작,획득일개신적산법(NSGA-Ⅱ-MOPSO).위사저량충차이교대적산법실현무봉융합,재NSGA-Ⅱ산법범위내대MOPSO중특유적개념입자급기속도、Pbest、인도자진행처리:1)입자대응우NSGA-Ⅱ중자대군체적개체;2)불재사용입자속도개념;3)불재사용입자Pbest개념,대지이종부대군체중위매개입자적매일유심조일개최근적해입자비지배개체;4)매일개입자적인도자가이시부대군체중희소정도최대적개체혹자시안조이진제수궤경새선택방법종부대군체중선택적일개개체,구체나일충방식발휘작용의뢰우예선설정적개솔.령외,인입희소정도개념래평개입자재목표함수공간적분포.6개산례적결과표명,여NSGA-Ⅱ급최신적량충MOPSO산법(CLMOPSO화EM-MOPSO)상비,신산법시일개유효、은정적산법.
