基于参考点地高维多目标粒子群算法.PDF

第 卷 第 期 控 制 与 决 策 年 月 文章编号 基于参考点的高维多目标粒子群算法 韩 敏 何 泳 郑丹晨 大连理工大学电子信息与电气工程学部，辽宁大连 摘 要 高维多目标优化问题一般指目标个数为 个或以上时的多目标优化问题 由于种群中非支配解数量随着 目标数量的增加而急剧增多 导致进化算法的进化压力严重降低 求解效率低 针对该问题 提出一种基于粒子群 的高维多目标问题求解方法 在目标空间中引入一系列的参考点 根据参考点筛选出能兼顾多样性和收敛性的非 支配解作为粒子的全局最优 以增大选择压力 同时 提出了基于参考点的外部档案维护策略 以保持最后所得解 集的多样性 在标准测试函数 上的仿真结果表明 所提方法在求解高维多目标问题时能够得到收敛性和 分布性都较好的解集 关键词 高维多目标优化；参考点；粒子群优化 中图分类号 文献标志码 ， ， ， ffi ； ； 引 量相对较差的个体被支配 从而增大选择压力 例如 多目标优化问题是工程实践与科学研究问题的 ϵ 支配 、 支配 、格支配 等 基于多样性的 主要形式之一 各目标之间往往存在相互冲突 最优 方法 减少多样性维护策略所带来收敛性降低的负 解为一组互不占优的 最优解集 一般当目标个 面影响 如 等 提出的 的多样性策略 在选择 数为 个或以上时 称为高维多目标问题 由于高维 个体时兼顾了其收敛性和多样性 基于聚合的方 多目标问题的冲突目标数量增多 非支配解的数量急 法 设计一组权重系数将高维多目标问题转化为单 剧增加 导致计算复杂度和搜索难度增大 是国内外 目标优化问题 如 等 提出的基于分解的进化 智能优化领域最难解决的问题之一 ． 算法 毕晓君等 提出的高维多目标多方 目前研究者们已经提出了多种改进以应对高维 向协同进化算法 等 基于评价指标的方 多目标问题 其中大多为进化算法 主要可以归纳为 法 通过给个体赋予适应度指标值来直接引导个体