基于粒子群的多目标优化算法.pdfVIP

维普资讯 基于粒子群的多 目标优化算法 李 宁 1,2 邹 彤 孙德宝 秦元庆 (华 中科技大学控制科学与2-f-程 系，武汉 430074) (武汉理工大学计算机科学与技术学院，武汉 430070) E-maihzidong@tom，con 摘 要 论 文提 出了一种新的基于粒子群 的多 目标优 化算法。用搜 索过 程 中所发现非 劣解 的一部分构成精英 集，将 其作 为粒子群 的历史最佳 ．引导粒子群 的搜索，并通过小生境技术和部分变异的方法来提高非劣解集的多样性和分散性。对 三个典型多 目标测试函数所作实验的结果验证 了该方法的有效性和快速性．结果还表 明：该方法所得非劣解集在分散 性 、错误率和逼近程度等量化指标上优于FFGA、SPEA、PAES、NSGA等方法，是一种非常有潜力的多 目标优化方法。 关键词 粒子群优化算法 多 目标优化 Pareto最优 小生境 精英 集 文章编号 1002—833l一(2005)23—0043—04 文献标识码 A 中 图分类号 rP3O1．6 Multi-objectiveOptimizationUtilizingParticleSwarm LiNing·ZouTong SunDebao QinYuanqing (DepartmentofControlSci．andEng．，HuazhongUniversityofScienceandTechnology，Wuhan430074) (SchoolofComputerScience Technoloyg，WuhanUniversityofTechnoloyg ，Wuhan430070) Abstract：Thispaperintroducesanew multi—objectivealgorithm basedupontheParticleSwarm Optimization：A set thatincludes partialnondominated solutions which are found in foregoing searching is denoted as elitism．The elitism acting asGbestleadsthe swarmsexploring in nextgeneration．Niches technique and mutation operatorhave been used tO improve the diversity of nondominated set．The approach is validated using three classica1 ． test functions from the specialized literature．Simulation results on classicaltestfunctions show thatthe new algorithm is able to find much betterspread ofsolutions，bettererrorrate and betterconvergence near the true Pareto frontthan FFGA，PAES，SPEA andNSGA．Thenewapproachishighlycompetitivewithcurrentevolutionarymulti—objectiveoptimizationtechniques． Keywords：PS0，muhiobjeetiveoptimization，Pareto—optimal，Niche，elitism 1 引