一种基于Pareto关联度支配的多目标粒子群优化算法 |
| |
引用本文: | 汤可宗,李佐勇,詹棠森,李芳,姜云昊.一种基于Pareto关联度支配的多目标粒子群优化算法[J].南京理工大学学报(自然科学版),2019(4). |
| |
作者姓名: | 汤可宗 李佐勇 詹棠森 李芳 姜云昊 |
| |
作者单位: | 景德镇陶瓷大学信息工程学院;工业机器人应用福建省高校工程研究中心闽江学院 |
| |
摘 要: | 为提高多目标优化算法的收敛性和多样性,提出一种基于Pareto关联度支配的多目标粒子群优化算法(MOPSO-PCD)。该算法在严格遵守传统Pareto支配规则基础上,将灰色关联分析方法融入非劣支配解的进化过程,设计了一种新颖的Pareto关联度支配规则。该支配规则作用于全局最优粒子的选择过程,具有关联度最大的全局最优粒子将引领粒子群体向着真实Pareto前沿不断逼近。同时,将该支配规则应用于外部档案中非劣支配解的维护过程,可减少或避免最终解集多样性的损失,从而维护好外部档案中非劣解的分布过程。仿真实验表明,与被比较算法在ZDT和DTLZ等系列测试函数相比,MOPSO-PCD能够获得更好的Pareto最优前沿分布特性和较快的收敛效率。
|
本文献已被 CNKI 等数据库收录! |
|