基于QPSO和拥挤距离排序的多目标量子粒子群优化算法

被引：66

作者：

施展

陈庆伟

机构：

[1] 南京理工大学自动化学院

来源：

控制与决策 | 2011年 / 04期

关键词：

多目标优化; 量子行为特性粒子群优化; 拥挤距离; Pareto最优解;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,提出一种基于量子行为特性的粒子群优化(QPSO)和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD)算法.MOQPSO-CD利用QPSO快速接近真实的Pareto最优解,同时引入高斯变异算子以增强解的多样性.采用拥挤距离排序的方法对外部存储器中最优解进行更新和维护,使得从中选择的具有全局最优的领导粒子能够引导粒子群最终找到真实的Pareto最优解.仿真结果表明,MOQPSO-CD具有更好的收敛性和更均匀的分布性.

引用

页码：540 / 547

页数：8

共 6 条

[1]

基于自适应网格的多目标粒子群优化算法 [J].

杨俊杰 ;

周建中 ;

方仍存 ;

李英海 ;

刘力 .

系统仿真学报, 2008, (21) :5843-5847

[2]

量子行为粒子群优化算法研究 [D].

孙俊 .

江南大学,

2009

[3]

基于QPSO算法求解多目标优化问题及其应用 [D].

沈佳宁 .

江南大学,

2008

[4]

Quantum behaved Particle Swarm Optimization (QPSO) for multi-objective design optimization of composite structures[J] S.N. Omkar;Rahul Khandelwal;T.V.S. Ananth;G. Narayana Naik;S. Gopalakrishnan Expert Systems With Applications 2009,

[5]

Comparison of Multiobjective Evolutionary Algorithms: Empirical Results[J] Eckart Zitzler;Kalyanmoy Deb;Lothar Thiele Evolutionary Computation 2000,

[6]

MOPSO: a proposal for multiple objectiveparticle swarm optimization COELLO COELLO C A;LECHUGA M S; Congress on Evolutionary Computation (CEC2002) 2002,

← 1 →