基于自适应学习的多目标粒子群优化算法

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｄｉ１．９９ｊｉｎ１０－６５２１．９０８ｏ：０３６／．ｓ．０１３９．０２０．０ｓ
Ｍｕｉｂｔｅｐｒｃｅｓａｎｐｉｚｔｎｈ．ｉｃｉａｔｌｗＦ３ｏｔａｉｏｅｖｉｍｉｏ
ａｇｒｔｍａｅｎｓｌ－ｄｐｉｅｌａｎｎｌｏｉｈｂｓｄｏｅｆａａｔｅｒｉｇｖ
ｗｅｇｔｔｅｔｅｔａｅｏｆｅｗｅｅｇｏａｎｃｌｅｒｈＡｄｉｕｅｅｃｕｔｒｇｃｏｉｇｔｉｔｉｅｕｉｒｉ— ｉｈｓｏｇｔｈｄ —ｆｔｅｎｔｌｂｌａｄｌａａｃ．ｎｓｄｔｌｓｉｒｗｄｎｍａｎａｎｔｎｆｍｄｓｒｂｈｏｓｔｈｅｎｏｈｏ
ＹＩＣｈｅＮｎｇ ’ ，ＧＵＯＧｕａ．ｉ。Ｌｎｂｎ，ＹＡＮＴａ—ｈｎｎｑＩＷｅ．ｉｉｓａ
，
（．ｏｅｅｏｎｏｍｔｎ＆ＣｍｎｃｔｎＥｇｎｅｉＨｎｎＩｓｔｅｏＳｉｃ＆Ｔｃｎｌｇ，ｕｙｎｎｎ４４０Ｃｉａ２１ｔ１ＣｌｇｆｒａｉｌｆＩｏｏｍｕｉｉｎｉｒｇ，ａａｎｔｕｃｎｅａｏｅｎｉｔｆｅｅｏｏｙＹｅａｇＨｕａ１０６，ｈｎ；．ｎｉｈｓ－
ｆｎｔｎｕｊｓｒｓｌｄｉｐｏｒｖｍｅｔｆｈｅｒｈｅｃｎｙｈｓａｅｐｏｏｅｕｉｂｅｔｅｐｒｃｗｒｕｃｉｓｔｕｔｅｕｔｏｒｍｐｏｅｎｅｓａｃｆｉｃ．Ｔｉｐｐｒｒｐｓｄａｍｈ－ｊｃｖａｔｌｓａｏｂｅｎｉｏｔｉｅｏｉｉｅｍ
函数计算开销，且达不到提高种群进化效率的目的，为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法。采用自适应惯性权值平衡算法的全局和局部搜索能力，用聚类排挤方法保持Ｐｒｔ支配解采ａｅｏ非
第２９卷第９期
２１０２年９月
计算Hale Waihona Puke Baidu机应用研究
ＡｐｌｃｔｎＲｅｅｒｈｏｍｐｔｒｐｉａｉｓａｃｆＣｏｕｅｓｏ
Ｖ０９Ｎｏ９Ｌ２．Ｓｐ０２ｅ．２１
基于自适应学习的多目标粒子群优化算法木
ｏｔｚｔｎａｇｒｔｍａｅｉｓｌａａｔｅｌａｎｎｆｐｉｌｓａｃｉｃｉｎ．ｈｌｏｉｍｓｄｔｅｓｒａａｔｅｉｅｔｐｉａｉｌｏｈｂｓｄＯｌｅｆｄｐｉｅｒｉｇｏｔｍｉｏｉ－ｖｏｍａｅｒｈｄｒｔｓＴｅａｇｒｈｕｅｅ－ｄｐｉｎｒｉｅｏｔｈｆｖａ
ｔｔｏｆｒａｉｎＥｇｎｅｎ，ａｇａｎｅｉ，ｉｎｔｎＨｎｎ４０，ＣｉａｕｅｆＩｏｍｔｎｉｅｒｇＸｉｎｔｎＵｉｒｔＸａｇａｕａ１５ｈｎ）ｎｏｉｖｓｙ１１
Ａｓａｔｂｔｃ：Ｗｈｎｅｏｔｎｒｇｒｈｐｌｄｔｍｌ —ｂｅｔｅｏｔｉｔｎｐｏｌｓｉｏｅｑｉｓｒｅｏｕａｏｒｅｖｌｉａｙａｏｉｍｉａｐｅｕｔｏｊｃｉｐｉｚｉｒｅ，ｔｒｕｒｌｇｐｌｔｎｕｏｌｔｓｉｏｉｖｍａｏｂｍｔｆｎｅｅａａｐｉｓｅａｄａｌｇｕｂｒｆｖｌｉｅｅｔｎｏｅｅ，ｔｏｓｍｄｐｅｔｏｃｍｐｔｔｎｏｅｈａｆｖｕｔｇｏｊｔｅｉｎｒｅｎｍｅｏｔｎｇｎｒｉ．Ｈｗｖｒｉｃｎｕｅｌｎｙｆｏｕａｏｖｒｅｄｏａａｎｂｅｉｚａｏｅｕｏａｏｉｅｌｉｃｖ
尹
摘
呈，观七，，郭一李文彬严太山，
（．南理工学院信息与通信工程学院，南岳阳４４０；．１湖湖１０６２湘潭大学信息工程学院，南湘潭４１０）湖１１５
要：将进化算法应用于某些多目标优化问题时，用增加种群规模和进化代数的方法往往耗费大量的目标采
ｔｂｔｎｏｅｎｎｄｍｉａｅａｅｏｓｌｔｎ．ｄｔｅａｇｒｈｉｃｒｏａｅｅｎａｅｔｅｇｂｒｒｌｏｓｅｈｅｔａｇｔｉｒｕｉｆｔｏ — ｏｎｔｄＰｒｔｏｕｉｓＡｎｌｏｔｍｎｏｐｒｔｄｔｅｒｓｎｉｈｏｕｅｔｅｋｔｅｂｓｔｒｅｏｈｏｈｉｈ
集的分布均匀性，用最近邻学习方法为每个粒子在Ｐｒｏ支配解集中寻找一个最优飞行目标来提高其收敛使ａｔ非ｅ速度并保持粒子群搜索方向的多样性。实验结果表明，出的算法可在显著地降低函数评估成本的前提下实现提
快速的搜索，并使粒子群均匀地逼近Ｐｒｔａｅｏ最优面。关键词：粒子群优化；多目标优化；自适应惯性权值；聚类排挤；最优搜索方向学习中图分类号：Ｔ３１６Ｐ０．文献标志码：Ａ文章编号：１０ —６５２１）９３３ — ４０１３９（０２０ —２２０