计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
2期
456-460
,共5页
微粒群优化%多目标优化问题%多目标分解%协同进化
微粒群優化%多目標優化問題%多目標分解%協同進化
미립군우화%다목표우화문제%다목표분해%협동진화
微粒群优化(PSO)算法是一种非常有竞争力的求解多目标优化问题的群智能算法,因其容易陷入局部极值,导致非劣解集的收敛性和正确性不理想.为此提出一种基于多目标分解进化策略的多子群协同进化的多目标微粒群优化算法(MOPSO_MC),算法中每个子群对应于一个多目标分解之后的子问题,并构造了一种新的速率更新策略,每个粒子跟踪自身历史最优值、子群最优值和子群邻域最优值,从而在增强算法的局部寻优能力的同时,也能从邻域子群获得进化信息,实现协同进化.最后通过仿真实验,与现在主流的多目标微粒群算法在ZDT基准测试函数上比较,验证了算法的收敛性,解分布的均匀性和正确性.
微粒群優化(PSO)算法是一種非常有競爭力的求解多目標優化問題的群智能算法,因其容易陷入跼部極值,導緻非劣解集的收斂性和正確性不理想.為此提齣一種基于多目標分解進化策略的多子群協同進化的多目標微粒群優化算法(MOPSO_MC),算法中每箇子群對應于一箇多目標分解之後的子問題,併構造瞭一種新的速率更新策略,每箇粒子跟蹤自身歷史最優值、子群最優值和子群鄰域最優值,從而在增彊算法的跼部尋優能力的同時,也能從鄰域子群穫得進化信息,實現協同進化.最後通過倣真實驗,與現在主流的多目標微粒群算法在ZDT基準測試函數上比較,驗證瞭算法的收斂性,解分佈的均勻性和正確性.
미립군우화(PSO)산법시일충비상유경쟁력적구해다목표우화문제적군지능산법,인기용역함입국부겁치,도치비렬해집적수렴성화정학성불이상.위차제출일충기우다목표분해진화책략적다자군협동진화적다목표미립군우화산법(MOPSO_MC),산법중매개자군대응우일개다목표분해지후적자문제,병구조료일충신적속솔경신책략,매개입자근종자신역사최우치、자군최우치화자군린역최우치,종이재증강산법적국부심우능력적동시,야능종린역자군획득진화신식,실현협동진화.최후통과방진실험,여현재주류적다목표미립군산법재ZDT기준측시함수상비교,험증료산법적수렴성,해분포적균균성화정학성.
