基于动态聚集距离的多目标粒子群优化算法及其应用-农业机械学报.pdf

２０１０年 ３月 农 业 机 械 学 报 第 ４１卷 第 ３期 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１２９８．２０１０．０３．０３９ 基于动态聚集距离的多目标粒子群 优化算法及其应用 １，２ ２ １ ２ ２ ２ 刘丽琴 　张学良　 谢黎明　李明磊 　温淑花 　卢青波 （１．兰州理工大学机电工程学院，兰州 ７３００５０；２．太原科技大学机电工程学院，太原 ０３００２４） 　　【摘要】　为了增加 Ｐａｒｅｔｏ集的多样性，提高多目标优化的全局寻优能力，提出了一种基于动态聚集距离的多 目标粒子群算法（ＤＣＤＭＯＰＳＯ）。该算法利用改进的快速排序方法来减少计算量，采用动态变化的惯性权重和加 速因子以增强算法的全局寻优能力，并基于动态聚集距离对外部集进行维护以增加 Ｐａｒｅｔｏ集的多样性。通过典型 测试函数的仿真实验和应用实例对 ＤＣＤＭＯＰＳＯ算法性能进行了分析，并与多目标优化算法 ＭＯＰＳＯ和 ＮＳＧＡ Ⅱ 进行了比较。结果表明，ＤＣＤＭＯＰＳＯ算法收敛速度较快，且得到的Ｐａｒｅｔｏ集分布均匀。 关键词：粒子群算法　多目标优化　改进的快速排序法　动态聚集距离　Ｐａｒｅｔｏ集 中图分类号：ＴＰ３９１．９；ＴＰ３０１６ 文献标识码：Ａ 文章编号：１０００１２９８（２０１０）０３０１８９０６ ＭｕｌｔｉｏｂｊｅｃｔｉｖｅＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎ ＤｙｎａｍｉｃＣｒｏｗｄｉｎｇＤｉｓｔａｎｃｅａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎ １，２ ２ １ ２ ２ ２ ＬｉｕＬｉｑｉｎ 　ＺｈａｎｇＸｕｅｌｉａｎｇ　 ＸｉｅＬｉｍｉｎｇ　ＬｉＭｉｎｇｌｅｉ　ＷｅｎＳｈｕｈｕａ　ＬｕＱｉｎｇｂｏ （１．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ７３００５０，Ｃｈｉｎａ ２．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ａｍｕｌｔｉｏｂｊｅｃｔｉｖｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｙｎａｍｉｃｃｒｏｗｄｉｎｇｄｉｓｔａｎｃｅ（ＤＣＤ ＭＯＰＳＯ）ｗａｓｐｒｏｐｏｓｅｄ．Ａｐｐｌｙｉｎｇｔｈｅｉｍｐｒｏｖｅｄｑｕｉｃｋｓｏｒｔｉｎｇｔｏｒｅｄｕｃｅｔｈｅｔｉｍｅｆｏｒｃｏｍｐｕｔａｔｉｏｎ，ｂｏｔｈ ｔｈｅｄｙｎａｍｉｃｉｎｅｒｔｉａｗｅｉｇｈｔａｎｄａｃｃｅｌｅｒａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｗｅｒｅｕｓｅｄｉｎｔｈｅａｌｇｏｒｉｔｈｍｔｏｅｘｐｌｏｒｅｔｈｅｓｅａｒｃｈ ｓｐａｃｅｍｏｒｅｅｆｆｉｃｉｅｎｔｌｙ．Ａｎｅｗｄｉｖｅｒｓｉｔｙｓｔｒａｔｅｇｙｃａｌｌｅｄｄｙｎａｍｉｃｃｒｏｗｄｉｎｇｄｉｓｔａｎｃｅｗａｓｕｓｅｄｔｏｅｎｓｕｒｅ ｓｕｆｆｉｃｉｅｎｔｄｉｖｅｒｓｉｔｙａｍｏｎｇｓｔｔｈｅｓｏｌｕｔｉｏｎｓｏｆｔｈｅｎｏｎｄｏｍｉｎａｔｅｄｆｒｏｎｔｓ．Ｓｏｍｅｂｅｎｃｈｍａｒｋｆｕｎｃｔｉｏｎｓａｎｄｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎｏｆｆｏｕｒｂａｒｐｌａｎｅｔｒｕｓｓｗｅｒｅｔｅｓｔｅｄｔｏｃｏｍｐａｒｅｗｉｔｈｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆＤＣＤＭＯＰＳＯａｎｄ ＮＳＧＡ ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＤＣＤＭＯＰＳＯｈａｓｂｅｔｔｅｒｃｏｎｖｅｒｇｅｎｃｅｗｉｔｈｅｖｅｎｄｉｓｔｒｉｂｕｔｉｎｇｏｆＰａｒｅｔｏ