基于多目标的竞争粒子群优化算法的研究

针对竞争粒子群优化算法较易陷入局部最优及对全局搜索能力有限等问题,本文提出基于多目标的竞争粒子群优化算法(MOCSO)。首先,为提高算法的多样性,建立多目标模型,在二元锦标竞争机制下分别以适应度值与多样性作为粒子优劣的评判目标,将粒子划分到不同的非支配层中;其次,为有效兼顾粒子的探索与开发,引入概率随机选择策略,有效保留种群内的优秀基因,引导种群的进化方向。实验结果表明,在CEC2008基准测试函数集上与其他6种算法进行性能与计算效率的比较,本算法具有一定的优势。