基于动态聚集距离的多目标粒子群优化算法及其应用

被引：15

作者：

刘丽琴 ^{[1
,2
]}

张学良 ^{[2
]}

谢黎明 ^{[1
]}

李明磊 ^{[2
]}

温淑花 ^{[2
]}

卢青波 ^{[2
]}

机构：

[1] 兰州理工大学机电工程学院

[2] 太原科技大学机电工程学院

来源：

农业机械学报 | 2010年 / 41卷 / 03期

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;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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。

引用

页码：189 / 194

页数：6

共 8 条

[1] 基于拥挤度与变异的动态微粒群多目标优化算法 [J].