求解多目标优化问题的自适应粒子群算法.pdfVIP

38 2010 ，46 （23 ） Computer Engineering and Applications 计算机工程与应用 求解多目标优化问题的自适应粒子群算法 文 瑛，廖伟志，闭应洲 WEN Ying ，LIAO Wei-zhi ，BI Ying-zhou 广西师范学院 计算机与信息工程学院，南宁 530023 School of Computer and Information Engineering ，Guangxi Teachers Education University ，Nanning 530023 ，China WEN Ying ，LIAO Wei-zhi ，BI Ying-zhou.Self-adaptive particle swarm optimizer for multi-objective optimization prob- lems.Computer Engineering and Applications ，2010 ，46 （23 ）：38-40. Abstract ：In this paper ，a new multi-objective particle warm optimizer based on self-adaptive inertia weight is proposed.The particles are given different inertia weight based on fitness allocated by a new approach in order to control global exploring and local exploiting.The non-dominated solutions are archived external and crowding distance is used to maintain diversity. Meanwhile the strategy of elitist individual migration and turbulence enhance the convergence speed.The experimental results indicate that the proposed approach is competitive ，being able to approximate the Pareto front efficiently. Key words ：multi-objective optimization ；Particle Swarm Optimization （PSO ）；inertia weight ；Pareto optimal 摘 要：提出了一种基于自适应惯性权重的多目标粒子群优化算法AWMOPSO ，采用新的适应值分配机制，在搜索过程中根据粒 子的适应值对粒子进行分类，动态调整粒子的惯性权重以控制粒子的开发和探索能力。用外部精英集保存非支配解，并通过拥 挤距离维持解的多样性。引入精英迁移和局部扰动策略，提高收敛的速度和精度。典型的测试函数的计算结果表明了算法能够 快速逼近Pareto 最优前沿，是求解多目标优化问题的有效方法。 关键词：多目标优化；粒子群；惯性权重；Pareto 最优 DOI ：10.3778/j.issn. 1002-8331.2010.23.010 文章编号：1002-8331（2010 ）23-0038-03 文献标识码：Ａ 中图分类号：TP301.6 1 引言 群体中的每个个体看作是D 维搜索空间中没有体积的粒子， 科学研究和工程实践中许多的优化问题都是多目标优化 在搜索空间中以一定的速度飞行。每个个体的速度根据它本 i 问题，各个目标函数之间互相冲突，不能同时达到最优。相对 身的飞行经验和同伴的飞行经验动态调整。第个微粒表示为 于单目标优化问题，多目标优化的结果不是一个最优解，而是 X i (x i1x i2 x iD )，它经历过的个体最优位置（有最好的适应 符合Par