求解多目标优化问题的自适应混沌混合蛙跳算法-计算机应用与软件.pdf

第３２卷第６期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．６ ２０１５年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１５ 求解多目标优化问题的自适应混沌混合蛙跳算法 田　 （商洛学院　陕西商洛７２６０００） 摘　要　　针对多目标优化问题提出一种自适应混沌混合蛙跳算法ＭＡＣＳＦＬＡ（Ａｄａｐｔｉｖｅｃｈａｏｓｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｍｕｌ ｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ）。使用动态权重因子策略以提高混合蛙跳算法ＳＦＬＡ（ＳｈｕｆｆｌｅｄＦｒｏｇＬｅａｐｉｎｇＡｌｇｏｒｉｔｈｍ）收敛效率，引入基于Ｐａ ｒｅｔｏ支配能力的ＳＦＬＡ子族群划分策略，使得ＳＦＬＡ能够应用于多目标优化问题。在此基础上，ＭＡＣＳＦＬＡ首先利用ＳＦＬＡ快速寻优 能力接近理论Ｐａｒｅｔｏ最优解，然后采用自适应网格密度机制动态维护外部存储器Ｐａｒｅｔｏ最优解规模，并使用自适应混沌优化技术改 善Ｐａｒｅｔｏ最优解集样本多样性，最后利用Ｐａｒｅｔｏ最优解选择策略为青蛙种群选择最优更新粒子。多目标函数测试实验结果表明，与 ＭＯＰＳＯ和ＮＳＧＡ 相比，ＭＡＣＳＦＬＡ在Ｐａｒｅｔｏ最优解集均匀性和多样性上有明显优势。 Ⅱ 关键词　　多目标优化　混合蛙跳算法　Ｐａｒｅｔｏ前端　混沌优化 中图分类号　ＴＰ１８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．０６．０６２ ＡＤＡＰＴＩＶＥＣＨＡＯＳＳＨＵＦＦＬＥＤＦＲＯＧＬＥＡＰＩＮＧＡＬＧＯＲＩＴＨＭＦＯＲＭＵＬＴＩ ＯＢＪＥＣＴＩＶＥＯＰＴＩＭＩＳＡＴＩＯＮＳＯＬＵＴＩＯＮ ＴｉａｎＹｉ （ＳｈａｎｇｌｕｏＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｌｕｏ７２６０００，Ｓｈａａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｗｅｐｒｏｐｏｓｅａｎａｄａｐｔｉｖｅｃｈａｏｓｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍ（ＭＡＣＳＦＬＡ）ｆｏｒｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｓａｔｉｏｎｐｒｏｂｌｅｍ．Ｉｔｕｓｅｓｄｙ ｎａｍｉｃｗｅｉｇｈｔｉｎｇｆａｃｔｏｒｓｔｒａｔｅｇｙｔｏｉｍｐｒｏｖｅｔｈｅｃｏｎｖｅｒｇｅｎｃｅｅｆｆｉｃｉｅｎｃｙｏｆｓｈｕｆｆｌｅｄｆｒｏｇｌｅａｐｉｎｇａｌｇｏｒｉｔｈｍ（ＳＦＬＡ），ａｎｄｉｎｔｒｏｄｕｃｅｓＰａｒｅｔｏｃｏｎｔｒｏｌ ｃａｐａｂｉｌｉｔｙｂａｓｅｄＳＦＬＡｓｕｂｅｔｈｎｉｃｐａｒｔｉｔｉｏｎｓｔｒａｔｅｇｙｔｏｍａｋｅＳＦＬＡｂｅａｂｌｅｔｏａｐｐｌｙｔｏｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｓａｔｉｏｎ．Ｏｎｔｈｉｓｂａｓｉｓ，ＭＡＣＳＦＬＡ ｆｉｒｓｔｅｍｐｌｏｙｓｆａｓｔｓｅａｒｃｈａｂｉｌｉｔｙｏｆＳＦＬＡｔｏａｐｐｒｏａｃｈｔｈｅｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｓｏｆｔｈｅｏｒｅｔｉｃａｌＰａｒｅｔｏ，ａｎｄｔｈｅｎｕｓｅｓａｄａｐｔｉｖｅｇｒｉｄｄｅｎｓｉｔｙｍｅｃｈａｎｉｓｍ ｔｏｄｙｎａｍｉｃａｌｌｙｍａｉｎｔａｉｎｔｈｅｓｃａｌｅｏｆｏｐｔｉｍａｌＰａｒｅｔｏｓｏｌｕｔｉｏｎｏｆｅｘｔｅｒｎａｌｍｅｍｏｒｉｓｅｒ，ａｎｄｕｓｅｓａｄａｐｔｉｖｅｃｈａｏｓｏｐｔｉｍｉｓａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｔｏｉｍｐｒｏｖｅ ｔｈｅｓａｍｐｌｅｄｉｖｅｒｓｉｔｙｏｆｏｐｔｉｍａｌＰａｒｅｔｏｓｏｌｕｔｉｏｎ．Ｆｉｎａｌｌｙ，ｉｔｕｓｅｓｏｐｔｉｍａｌＰａｒｅｔｏｓｏｌｕｔｉｏｎｓｅｌｅｃｔｉｏｎｓｔｒａｔｅｇｙｔｏｓｅｌｅｃｔｍｏｒｅｕｐｄａｔｅｐａｒｔｉｃｌｅｓｆｏｒｆｒｏｇ ｐｏｐｕｌａｔｉｏｎｓ．Ｒｅｓｕｌｔｓｏｆｍｕｌｔｉｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｔｅｓｔｅｘｐｅｒｉｍｅｎｔｓｈｏｗｔｈａｔ，ｃｏｍｐａｒｅｄｗｉｔｈＭＯＰＳＯａｎｄＮＳＧＡ ，ＭＡＣＳＦＬＡｈａｓｅｖｉｄｅｎｔａｄ