-
题名精英竞争和综合控制的多目标粒子群算法
- 1
-
-
作者
陈飞
刘衍民
刘君
张娴子
-
机构
贵州大学数学与统计学院
遵义师范学院数学学院
贵州民族大学数据科学与信息工程学院
-
出处
《重庆工商大学学报(自然科学版)》
2024年第2期74-85,共12页
-
基金
贵州省进化人工智能重点实验室([2022]059)
贵州省数字经济重点人才计划(2022001).
-
文摘
目的多目标粒子群算法虽然极易实现且收敛速度快,但在平衡其收敛性和多样性方面仍需进一步改善。方法针对上述问题,提出一种精英竞争和综合控制的多目标粒子群算法(ECMOPSO)。一方面,算法采用全局损害选择精英粒子集,然后将两两竞争引入多目标粒子群算法中,通过精英竞争选取优胜者粒子,将其与全局领导者融合形成更全面的社会综合信息,以增强种群中粒子之间信息的交互性,更好引导种群中的粒子飞行,提升算法全局探索能力;另一方面,结合全局损害和基于位移密度估计对外部存档进行维护,从而提高外部存档中非劣解的质量,平衡算法的收敛性和多样性。结果将ECMOPSO算法与4个多目标粒子群算法和4个多目标进化算法在ZDT和UF系列基准测试问题上进行仿真实验,并采用Wilcoxon秩和检验和Friedman秩检验比较ECMOPSO算法与所选对比算法的整体性能。实验结果表明:相比其他几个对比算法,ECMOPSO算法的收敛能力、解的分布性以及稳定性都得到了一定的提升。结论ECMOPSO算法可以很好地平衡收敛性和多样性,提升其整体性能,能有效求解大多数多目标优化问题。
-
关键词
多目标粒子群算法
精英竞争
综合控制
全局损害
基于位移密度估计
-
Keywords
multi-objective particle swarm optimization
elite competition
comprehensive control
global detriment
shifted-based density estimation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-