文献类型：期刊文章

作　　者：冯茜[1,2] 李擎[1,3] 全威[1] 裴轩墨[1]

FENG Qian;LI Qing;QUAN Wei;PEI Xuan-mo(School of Automation and Electrical Engineering,University of Science and Technology Beijing,Beijing 100083,China;College of Mechanical Engineering,North China University of Science and Technology,Tangshan 063210,China;Key Laboratory of Knowledge Automation for Industrial Processes of Ministry of Education,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]北京科技大学自动化学院,北京100083 [2]华北理工大学机械工程学院,唐山063210 [3]北京科技大学工业过程知识自动化教育部重点实验室,北京100083

出　　处：《工程科学学报》

基　　金：国家自然科学基金资助项目(61673098)。

年　　份：2021

卷　　号：43

期　　号：6

起止页码：745-753

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对多目标粒子群优化算法的研究进展进行综述.首先,回顾了多目标优化和粒子群算法等基本理论;其次,分析了多目标优化所涉及的难点问题;再次,从最优粒子选择策略,多样性保持机制,收敛性提高手段,多样性与收敛性平衡方法,迭代公式、参数、拓扑结构的改进方案5个方面综述了近年来的最新成果;最后,指出多目标粒子群算法有待进一步解决的问题及未来的研究方向.

关 键 词：多目标优化 粒子群算法 收敛性 多样性 进化算法

分 类 号：TP18]