基于高斯混沌变异和精英学习的自适应多目标粒子群算法

被引：51

作者：

韩敏

何泳

机构：

[1] 大连理工大学电子信息与电气工程学部

来源：

控制与决策 | 2016年 / 08期

关键词：

变异; 精英学习; 自适应; 多目标优化; 粒子群;

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：

为平衡多目标粒子群的全局和局部搜索能力,提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法.首先,提出一种新的种群收敛状态检测方法,自适应调整惯性权重和学习因子的值,以达到探索和开发的最佳平衡.然后,当检测到种群收敛停滞时,采用一种带有高斯函数和混沌特性的变异算子协助种群跳出局部最优,以增强全局搜索能力.最后,外部档案中的精英解相互学习,增强算法的局部搜索能力.在多目标标准测试问题上的仿真结果表明了所提出算法的有效性.

引用

页码：1372 / 1378

页数：7

共 7 条

[1]

基于动态层次分析的自适应多目标粒子群优化算法及其应用 [J].

夏立荣 ;

李润学 ;

刘启玉 ;

耿志强 .

控制与决策 , 2015, (02) :215-221

[2]

自适应进化多目标粒子群优化算法 [J].

陈民铀 ;

张聪誉 ;

罗辞勇 .

控制与决策, 2009, (12) :1851-1855+1864

[3]

进化多目标优化算法研究 [J].

公茂果 ;

焦李成 ;

杨咚咚 ;

马文萍 .

软件学报, 2009, 20 (02) :271-289

[4]

一种子群体个数动态变化的多目标优化协同进化算法 [J].

申晓宁 ;

郭毓 ;

陈庆伟 ;

胡维礼 .

控制与决策, 2007, (09) :1011-1016

[5]

Multi-Objective Particle Swarm Optimization with time variant inertia and acceleration coefficients[J] Praveen Kumar Tripathi;Sanghamitra Bandyopadhyay;Sankar Kumar Pal Information Sciences 2007,

[6]

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

[7]

Combining Model-based and Genetics-based Offspring Generation forMulti-objective Optimization Using a Convergence Criterion Aimin Zhou;Yaochu Jin;Qingfu Zhang;Bernhard Sendhoff;Edward Tsang; Congress onEvolutionary Computation 2006,

← 1 →