基于混合细菌觅食算法的多目标优化方法

被引：11

作者：

杨尚君

王社伟

陶军

刘学

机构：

[1] 空军航空大学

来源：

计算机仿真 | 2012年 / 29卷 / 06期

关键词：

多目标优化问题; 粒子群优化算法; 细菌觅食算法;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对多目标优化求解过程中多个目标相互制约难以求解的特点,为了提高多目标优化问题的求解速度和精度,并保持最优解的多样性,提出了一种用粒子群改进的混合细菌觅食多目标优化算法。将粒子群算法的寻优更新机制作为细菌觅食算法中趋向性操作的更新机制,将所求得非劣解的拥挤度作为寻优迭代过程中最优值的选取条件。与细菌觅食算法和NS-GA-Ⅱ算法的仿真结果表明,在对多目标测试函数ZDT1～ZDT4和ZDT6的求解过程中,该算法不仅能提高精度和快速地得到Pareto解集,并能有效地保持所求最优解的多样性。

引用

页码：218 / 222

页数：5

共 20 条

[1]

群智能优化算法理论与应用[M]. 科学出版社 , 梁艳春, 2009

[2]

菌群优化算法的研究[D]. 李亚楠.哈尔滨工业大学 2009

[3]

基于进化算法的多目标优化方法研究[D]. 申晓宁.南京理工大学 2008

[4] 基于MMAS的多目标优化算法研究 [J].

赵国材 ;

刘洋 .

计算机仿真, 2011, 28 (07) :232-235

[5]

MOIA:multi-objective im-mune algorithm.Engineer Optimization. G C Luh,C H Chueh,W W Liu. Computers and Struc-tures . 2003

[6]

A MOPSO Algorithm Based Exclusively on Pareto Dominance Concepts, Evolutionary Mult-Criterion Optimization. J.E. Alvarez-Benitez,R.M. Everson,J.E. Fieldsend. Third International Conference, EMO 2005 . 2005

[7]

Cours Deconmie Politique. V Pareto. FRouge . 1986

[8]

Biomimicry of social foraging bacteria for distributed optimization: Models, principles, and emergent behaviors. Liu Y. and Passino K. . 2002

[9]

Multiple objective optimization with vector evaluated genetic algorithms. SCHAFFER J D. Proceeding of the First International Conference on Genetic Algorithms . 1985

[10]

Improved evolutionary optimization from genetically adaptive multimethod search. JA Vrugt,BA Robinson. Proc Natl Acad Sci USA (PNAS) . 2007

← 1 2 →