均衡分布性和收敛性的多目标粒子群优化方法 |
| |
引用本文: | 耿焕同,高军,贾婷婷,吴正雪.均衡分布性和收敛性的多目标粒子群优化方法[J].计算机应用,2013,33(7):1926-1929. |
| |
作者姓名: | 耿焕同 高军 贾婷婷 吴正雪 |
| |
作者单位: | 1. 南京信息工程大学 计算机与软件学院,南京 210044
2. 南京信息工程大学 江苏省网络监控中心,南京 210044 |
| |
基金项目: | “青蓝工程”资助项目(2012);中国气象科学研究院灾害天气国家重点实验室2010年开放课题(2010LASW-A02) |
| |
摘 要: | 粒子群优化(PSO)算法是一种基于群体演化且非常有效的求解多目标优化问题的方法,但因经典算法中粒子进化存在趋同性导致算法易陷入局部Pareto最优前沿,使得解集收敛性和分布性不理想。为此提出了一种均衡分布性和收敛性的多目标粒子群优化(DWMOPSO)算法,算法中每个粒子根据自身在进化过程中记忆的个体最好适应度值构建进化速度,由进化速度的快慢动态调整各粒子惯性权重,增加粒子的多样性,从而提高粒子跳出局部最优解的概率。通过在5个标准测试函数上进行仿真实验,结果表明,与Coello的多目标粒子群优化(MOPSO)算法相比,DWMOPSO算法获得的解集在与真实解集的逼近性和解集的分布性两个方面都有了很大的提高。
|
关 键 词: | 粒子群优化算法 多目标优化 局部最优 动态惯性权重 |
收稿时间: | 2013-01-14 |
修稿时间: | 2013-02-20 |
|
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
|