- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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
2010年 3月 农 业 机 械 学 报 第 41卷 第 3期
DOI:10.3969/j.issn.10001298.2010.03.039
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(DCDMOPSO)。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 DCDMOPSO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,DCDMOPSO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;TP3016 文献标识码:A 文章编号:10001298(2010)03018906
MultiobjectiveParticleSwarmOptimizationAlgorithmBasedon
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
Amultiobjectiveparticleswarmoptimizationalgorithmbasedondynamiccrowdingdistance(DCD
MOPSO)wasproposed.Applyingtheimprovedquicksortingtoreducethetimeforcomputation,both
thedynamicinertiaweightandaccelerationcoefficientswereusedinthealgorithmtoexplorethesearch
spacemoreefficiently.Anewdiversitystrategycalleddynamiccrowdingdistancewasusedtoensure
sufficientdiversityamongstthesolutionsofthenondominatedfronts.Somebenchmarkfunctionsandthe
optimizationoffourbarplanetrussweretestedtocomparewiththeperformanceofDCDMOPSOand
NSGA .TheresultsshowthatDCDMOPSOhasbetterconvergencewithevendistributingofPareto
文档评论(0)