文献类型：期刊文章

作　　者：钱小宇[1,2] 葛洪伟[1,2] 周竞[2] 蔡明[3]

QIAN Xiaoyu;GE Hongwei;ZHOU Jing;CAI Ming(Jiangsu Provincial Engineering Laboratory of Pattern Recognition and Computational Intelligence,Jiangnan University,Wuxi 214122,P.R.China;School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,P.R.China;Information Construction and Management Center,Jiangnan University,Wuxi 214122,P.R.China)

机构地区：[1]江南大学江苏省模式识别与计算智能工程实验室,江苏无锡214122 [2]江南大学物联网工程学院,江苏无锡214122 [3]江南大学信息化建设与管理中心,江苏无锡214122

出　　处：《重庆邮电大学学报（自然科学版）》

基　　金：国家自然科学基金(61305017);江苏省普通高校研究生科研创新计划(KYLX16_0781,KYLX16_0782);江苏省高校优势学科建设工程项目(PAPD)。

年　　份：2020

卷　　号：32

期　　号：3

起止页码：368-376

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：为了更好地改善多目标粒子群优化算法的收敛性和多样性,提出一种基于扩容和双距离决策的多目标粒子群优化算法。利用扩容的方法对目标空间中目标函数值的上下限进行扩大,得到新的上下限后再建立网格,这样可以计算出边界点的坐标。在小网格中选择引导粒子或者劣质粒子时,利用小网格中粒子到理想点和当前小网格最优点的距离进行决策筛选,这样充分利用目标空间中的信息来对粒子的优先级进行判断。对新的粒子进行差分变异,增加了整体的多样性,并通过阈值控制其变异的频率。将算法和当前具有代表性的多目标粒子群优化算法进行对比实验,提出的算法效果更佳。实验表明,提出算法的收敛性和多样性不仅得到较大提高,而且较为稳定。

关 键 词：多目标优化 粒子群优化算法 网格 差分变异  收敛性

分 类 号：TP391.4]