發(fā)布時(shí)間：2022-01-15 11:55

　　傳統(tǒng)粒子群優(yōu)化算法在求解動(dòng)態(tài)優(yōu)化問題時(shí),種群將逐漸收斂,從而在問題變化后無法進(jìn)一步尋優(yōu),針對(duì)上述問題,提出了一種基于動(dòng)態(tài)平衡的多目標(biāo)粒子群優(yōu)化算法。采用雙種群策略以動(dòng)態(tài)平衡算法的探索能力與開發(fā)強(qiáng)度,其中一個(gè)子種群在動(dòng)態(tài)調(diào)整的網(wǎng)格中運(yùn)行混沌搜索,確保種群多樣性符合要求的同時(shí),能夠有效提升搜索的效率。利用快速收縮多目標(biāo)粒子群算法,對(duì)另外的子種群進(jìn)行計(jì)算,收斂到Pareto前沿。通過一組標(biāo)準(zhǔn)測(cè)試問題對(duì)所提方法進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果顯示所提算法無論在收斂速度還是在優(yōu)化精度上都優(yōu)于其它典型多目標(biāo)進(jìn)化算法。 

【文章來源】：微型電腦應(yīng)用. 2019,35(06)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

MOEA-AR算法流程圖

ＭｉｃｒｏｃｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＶｏｌ．３５，Ｎｏ．６，２０１９開發(fā)應(yīng)用微型電腦應(yīng)用２０１９年第３５卷第６期…，ｆｋ（ｘ），ｋ表示優(yōu)化目標(biāo)的個(gè)數(shù)。假設(shè)存在最大化目標(biāo)，那么多目標(biāo)優(yōu)化問題可以定義為式（１）。ｍａｘｘ∈Ｘｎｆ（ｘ）＝ｆ１（ｘ），ｆ２（ｘ），…，ｆｋ（ｘ［］）（１）上式中，ｘ表示決策變量，Ｘｎ表示ｎ維的決策空間。定義２假設(shè)存在向量ｕ＝［ｕ１，…，ｕｋ］與ｖ＝［ｖ１，…，ｖｋ］，ｕＰａｒｅｔｏ支配ｖ的定義可以表示為式（２）。?ｉ∈｛１，…，ｋ｝：ｕｉ≥ｖｉ∧?ｉ∈｛１，…，ｋ｝：ｕｉ＞ｖｉ（２）定義３假設(shè)存在解ｘ＊，將Ｐａｒｅｔｏ最優(yōu)集或者非支配集定義為式（３）。?ｉ∈｛１，…，ｋ｝，??ｘ：ｆｉ（ｘ）＞ｆｉ（ｘ＊）（３）定義４存在多目標(biāo)優(yōu)化問題，將其表示為ｍａｘｆ（ｘ），它的Ｐａｒｅｔｏ最優(yōu)集或者非支配集Ｐ＊可以給出如式（４）。Ｐ＊∶＝ｘ∈Ｘｎ??ｘ′∈Ｘｎ，ｆ（ｘ′）?ｆ（ｘ｛｝）（４）Ｐａｒｅｔｏ排序算法，就是讓種群內(nèi)部任意的連個(gè)個(gè)體的Ｐａｒｅｔｏ支配關(guān)系進(jìn)行比較，選擇Ｐａｒｅｔｏ最優(yōu)集或者非支配集。定義５存在多目標(biāo)優(yōu)化問題，將其表示為ｍａｘｆ（ｘ），可以給出Ｐａｒｅｔｏ前沿ＰＦ＊定義如式（５）。ＰＦ＊∶＝ｆ＝ｆ１（ｘ），…，ｆｋ（ｘ［］）ｘ∈Ｐ｛｝＊

網(wǎng)格的調(diào)整案例

【參考文獻(xiàn)】：
期刊論文
[1]一種基于多樣性信息和收斂度的多目標(biāo)粒子群優(yōu)化算法[J]. 韓紅桂,盧薇,喬俊飛.  電子學(xué)報(bào). 2018(02)
[2]基于平衡搜索策略的多目標(biāo)粒子群優(yōu)化算法[J]. 耿煥同,陳正鵬,陳哲,周利發(fā).  模式識(shí)別與人工智能. 2017(03)
[3]基于粒子群優(yōu)化算法的電網(wǎng)GIC-Q多目標(biāo)優(yōu)化策略[J]. 楊培宏,劉連光,劉春明,馮士偉,鄭許朋.  電力自動(dòng)化設(shè)備. 2017(03)
[4]基于Pareto熵的多目標(biāo)粒子群優(yōu)化算法[J]. 胡旺,Gary G. YEN,張?chǎng)?  軟件學(xué)報(bào). 2014(05)
[5]自適應(yīng)進(jìn)化多目標(biāo)粒子群優(yōu)化算法[J]. 陳民鈾,張聰譽(yù),羅辭勇.  控制與決策. 2009(12)
[6]Pareto檔案多目標(biāo)粒子群優(yōu)化[J]. 雷德明,吳智銘.  模式識(shí)別與人工智能. 2006(04)
[7]單純形-多目標(biāo)粒子群優(yōu)化方法的混合算法[J]. 安偉剛,李為吉.  西北工業(yè)大學(xué)學(xué)報(bào). 2004(05)



本文編號(hào)：3590574