求解多目标优化问题的一种多子群体进化算法

被引:17
作者
张利彪
周春光
刘小华
许相莉
孙彩堂
机构
[1] 吉林大学计算机科学与技术学院
基金
国家自然科学基金重点项目;
关键词
多目标优化; 粒子群优化算法; 非劣最优解;
D O I
10.13195/j.cd.2007.11.115.zhanglb.020
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
提出一种新的多目标粒子群优化(MOPSO)算法.根据多目标优化问题(MOP)的特点,将一个进化群体分成若干个子群体,利用非劣支配的概念构造全局最优区域,用以指导整个粒子群的进化.通过子群体间的信息交换,使整个群体分布更均匀,并且避免了局部最优,保证了解的多样性,通过很少的迭代次数便可得到分布均匀的Pareto有效解集.数值实验表明了该算法的有效性.
引用
收藏
页码:1313 / 1316+1320 +1320
页数:5
相关论文
共 7 条
[1]  
Multiobjective opti mization using dynamic neighborhood particle swarm opti mization. Hu X,Eberhart R C. Proc of the IEEE Congress on Evolutionary Computation . 2002
[2]  
Comparison of multiobjective evolutionary algorithms:Empirical results. Zitzler E,Deb K,Thiele L. . 1999
[3]  
A multi-sexual genetic algorithm for multiobjective opti mization. Joanna L,Eiben A E. Proc of the1996Int Conf on Evolutionary Computation . 1996
[4]  
Particle swarm opti mization. Kennedy J,Eberhart R. IEEE Int Conf on Neural Network . 1995
[5]  
A multi-objective algorithmbased upon particle swarm opti mization,an efficient data structure and turbulence. Fieldsend J,,Singh S. Proc of UK Workshop on Computational Intelligence . 2002
[6]  
MOPSO:A proposal for multiple objective particle swarmopti mization. Coello C A,Lechuga M S. Proc of the IEEE Congress on Evolutionary Computation . 2002
[7]  
Particle swarm opti mization method in multiobjective problems. Parsopoulos K E,Vrahatis M N. Proc of the ACM Symposium on Applied Computing . 2002