基于粒子记忆体的多目标微粒群算法

被引：2

作者：

章国安 ^{[1
,2
]}

周超 ^{[1
]}

周晖 ^{[1
]}

机构：

[1] 南通大学电子信息学院

[2] 东南大学移动通信国家重点实验室

来源：

计算机应用研究 | 2010年 / 27卷 / 05期

关键词：

多目标优化; 微粒群算法; 记忆体; 多样性; pbest;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对多目标微粒群算法(MOPSO)解的多样性分布问题,提出一种基于粒子记忆体的多目标微粒群算法(dp-MOPSO)。dp-MOPSO算法为每个微粒分配一个记忆体,保存寻优过程中搜索到的非支配pbest集,以避免搜索信息的丢失。采用外部存档保存种群搜索到的所有Pareto解,并引入动态邻域的策略从外部存档中选择全局最优解。利用几个典型的多目标测试函数对dp-MOPSO算法的性能进行测试,并与两种著名的多目标进化算法m-DNPSO、SPEA2进行比较。实验结果表明,dp-MOPSO算法可以更好地逼近真实Pareto沿,同时所得Pare-to解分布更均匀。

引用

页码：1665 / 1668

页数：4

共 6 条

[1] 基于偏好信息的多目标微粒群优化算法研究 [J].