基于粒子群的多目标优化算法

被引：54

作者：

李宁

邹彤

孙德宝

秦元庆

不详

机构：

[1] 华中科技大学控制科学与工程系

[2] 华中科技大学控制科学与工程系武汉

[3] 武汉理工大学计算机科学与技术学院

[4] 武汉

[5] 武汉

来源：

计算机工程与应用 | 2005年 / 23期

关键词：

粒子群优化算法; 多目标优化; Pareto最优; 小生境; 精英集;

D O I：

暂无

中图分类号：

O242.23 [牛顿-拉弗森（Newton-Raphson）法];

学科分类号：

摘要：

论文提出了一种新的基于粒子群的多目标优化算法。用搜索过程中所发现非劣解的一部分构成精英集,将其作为粒子群的历史最佳,引导粒子群的搜索,并通过小生境技术和部分变异的方法来提高非劣解集的多样性和分散性。对三个典型多目标测试函数所作实验的结果验证了该方法的有效性和快速性,结果还表明:该方法所得非劣解集在分散性、错误率和逼近程度等量化指标上优于FFGA、SPEA、PAES、NSGA等方法,是一种非常有潜力的多目标优化方法。

引用

页码：43 / 46

页数：4

共 13 条

[1] W hy quality assessm entof M ultiobjective optim izers is difficult. E Zitzler,M Laum anns,L T C Fonseca etal. Proc of the G enetic and Evolutionary Com putation Conference(G ECCO2002) . 2002
[2] Particle Swarm O ptim ization. J K ennedy,R C Eberhart. Proc IEEE InternationalConference on N euralN etworks . 1995
[3] Com parison of m ultiobjective evolutionary algorithm s:Em piricalresults. E Zitzler,K D ed,L Thiele. Evolutionary Com putation . 2002
[4] Engineering Optimization with Particle Swarm. Hu XH,Eberhart RC,Shi YH. Proceedings of the IEEE Swarm Intelligence Symposium . 2003
[5] A fastand elitistm ultiobjective genetic algorithm:N SG A-Ⅱ. K D eb,A Pratap,S A garwaletal. Trans on Evolutionary Com putation . 2002
[6] M ultiobjective Evolutionary A lgorithm Test Suites. V elduizen D,Lam ont G. Proc,Sym p Applied Com puting . 1999
[7] Cours D’’Econom ic Politique. Pareto V. . 1896
[8] Evolutionary Algorithms for Multiobjective Optimization: Methods and Applications. Zitzler E. . 1999
[9] Particle swarm optimization: developments, applications and resources. Eberhart R C,Shi Y H. Proceedings of the IEEE Congress on Evolutionary Computation . 2001
[10] Handling Multiple Objectives with Particle Swarm Optimization. Coello CA,Pulido GT,Lechuga MS. IEEE Transactions on Evolutionary Computation . 2004

← 1 2 →