系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2010年
8期
1749-1753
,共5页
多目标粒子群优化算法%辅助适应度值%角度坐标系%角度参考线
多目標粒子群優化算法%輔助適應度值%角度坐標繫%角度參攷線
다목표입자군우화산법%보조괄응도치%각도좌표계%각도삼고선
为了在保证多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法所求解集分布性的前提下提高算法的收敛性,依据辅助适应度赋值策略,提出了基于角度坐标的多目标粒子群优化(intelligent MOPSO, IMOPSO)算法.通过建立角度坐标系,确定了不同维优化目标下目标向量的角度坐标及角度参数,给出了求取目标函数空间中参考线角度参数的方法,并定义了目标向量的辅助适应度值,以对处于非劣支配关系的个体进行综合比较.结果表明,IMOPSO算法较好地维护了Pareto解的分布性与收敛性,且在求解小规模的最优个体时仍能在整个Pareto前沿均匀分布,未出现"聚集"现象,运行时间小于NSGA2、SPEA2、MOEA/D,充分验证了IMOPSO算法的有效性.
為瞭在保證多目標粒子群優化(multi-objective particle swarm optimization, MOPSO)算法所求解集分佈性的前提下提高算法的收斂性,依據輔助適應度賦值策略,提齣瞭基于角度坐標的多目標粒子群優化(intelligent MOPSO, IMOPSO)算法.通過建立角度坐標繫,確定瞭不同維優化目標下目標嚮量的角度坐標及角度參數,給齣瞭求取目標函數空間中參攷線角度參數的方法,併定義瞭目標嚮量的輔助適應度值,以對處于非劣支配關繫的箇體進行綜閤比較.結果錶明,IMOPSO算法較好地維護瞭Pareto解的分佈性與收斂性,且在求解小規模的最優箇體時仍能在整箇Pareto前沿均勻分佈,未齣現"聚集"現象,運行時間小于NSGA2、SPEA2、MOEA/D,充分驗證瞭IMOPSO算法的有效性.
위료재보증다목표입자군우화(multi-objective particle swarm optimization, MOPSO)산법소구해집분포성적전제하제고산법적수렴성,의거보조괄응도부치책략,제출료기우각도좌표적다목표입자군우화(intelligent MOPSO, IMOPSO)산법.통과건립각도좌표계,학정료불동유우화목표하목표향량적각도좌표급각도삼수,급출료구취목표함수공간중삼고선각도삼수적방법,병정의료목표향량적보조괄응도치,이대처우비렬지배관계적개체진행종합비교.결과표명,IMOPSO산법교호지유호료Pareto해적분포성여수렴성,차재구해소규모적최우개체시잉능재정개Pareto전연균균분포,미출현"취집"현상,운행시간소우NSGA2、SPEA2、MOEA/D,충분험증료IMOPSO산법적유효성.
