| 自适应进化多目标粒子群优化算法 |
| |
| 引用本文： | 陈民铀,张聪誉,罗辞勇.自适应进化多目标粒子群优化算法[J].控制与决策,2009,24(12). |
| |
| 作者姓名： | 陈民铀 张聪誉 罗辞勇 |
| |
| 作者单位： | 1. 重庆大学,电气工程学院,重庆,400044
2. 重庆大学,输配电装备及系统安全与新技术国家重点实验室,重庆,400044 |
| |
| 基金项目： | 国家111引智计划项目，重庆市自然科学基金 |
| |
| 摘 要： | 提出一种自适应进化粒子群优化算法以求解多目标优化问题．采用非支配排序策略和动态加权法选择最优粒子，引导种群飞行，提高Ｐａｒｅｔｏ解的多样性．采用动态惯性权重，提高其全局寻优能力．当种群的寻优能力减弱时，采用变异操作以引导粒子群跳出局部最优．通过ＺＤＴ１～ＺＤＴ４ 基准函数验证，该算法能够在保持优化解多样性的同时实现较好的收敛性．与其他多目标进化算法和多目标粒子群优化算法相比，该算法具有较好的性能．
|
| 关 键 词： | 多目标优化 粒子群算法 非支配排序 拥挤距离 动态加权法 |
| 收稿时间： | 2009-2-8 |
| 修稿时间： | 2009-9-9 |
Adaptive evolutionary multi-objective particle swarm optimization algorithm |
| |
| CHEN Min-you,ZHANG Cong-yu,LUO Ci-yong.Adaptive evolutionary multi-objective particle swarm optimization algorithm[J].Control and Decision,2009,24(12). |
| |
| Authors: | CHEN Min-you ZHANG Cong-yu LUO Ci-yong |
| |
| Abstract: | Adaptive evolutionary particle swarm optimization (AEPSO) algorithm is proposed for multi-objective problem. Non-dominated sorting and dynamic aggregate method are used to guide the flight of particles and improve the diversity of the Pareto solutions, which incorporates adaptive inertia weight and a special mutation operation into PSO to enhance the global exploratory capability and avoid pre-mature convergence. Four well-known benchmark test functions ZDT1 ～ZDT4 are used to test the performance of the proposed algorithm. Simulation results show that the AEPSO algorithm can converge to the global optimal with good accuracy while keeps the diversity of the Pareto solutions. |
| |
| Keywords: | Multi-objective optimisation PSO Nondominated sorting Crowding disntance Dynamic aggregate method |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
