文献类型：期刊文章

作　　者：邹康格[1] 刘衍民[2]

ZOU Kang-ge;LIU Yan-min(School of Mathematics and Statistics, Guizhou University, Guiyang 550025, China;School of Mathematics, Zunyi Normal College, Guizhou Zunyi 563006, China)

机构地区：[1]贵州大学数学与统计学院,贵阳550025 [2]遵义师范学院数学学院,贵州遵义563006

出　　处：《重庆工商大学学报（自然科学版）》

基　　金：国家自然科学基金(71461027);贵州省科技创新人才团队(黔科合平台人才[2016]5619).

年　　份：2022

卷　　号：39

期　　号：2

起止页码：14-23

语　　种：中文

收录情况：JST、普通刊

摘　　要：当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛。为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO)。该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,影响粒子开发能力;利用混合机制中的加权策略在外部存档的非劣解中确定全局最优样本,增加了种群的多样性,提升粒子飞向真实Pareto前沿的概率;同时,为防止算法停滞,陷入局部最优的问题,还引入一个变异操作对粒子的位置进行动态变异,增强了粒子的探索能力。仿真实验结果表明:所提算法与其他3个国际经典的多目标粒子群算法相比,具有较优的收敛性和多样性,且有较好的空间化效果。

关 键 词：多目标优化 粒子群算法 自适应网格 混合机制  变异操作  

分 类 号：TP18]