本文選題：粒子群算法　切入點：不確定　出處：《科學技術(shù)與工程》2017年15期

【摘要】：當前不確定動態(tài)多目標優(yōu)化方法通常將多目標問題轉(zhuǎn)換成單目標問題,將其他目標看作約束條件,僅可得到單個解,無法有效體現(xiàn)不確定多目標之間的關(guān)系,導致得到的解質(zhì)量低。為此,提出一種新的基于粒子群算法的不確定動態(tài)多目標優(yōu)化方法,給出不確定動態(tài)多目標優(yōu)化問題的數(shù)學描述,介紹了粒子群算法,針對粒子群算法容易陷入局部最優(yōu)的弊端,引入動態(tài)變異算子對其進行改進,通過改進的位置更新公式實現(xiàn)粒子群算法位置的自適應更新,給出解決不確定多目標優(yōu)化問題的詳細過程,在此基礎(chǔ)上,通過分段線性函數(shù)參數(shù)化實現(xiàn)不確定動態(tài)多目標優(yōu)化。實驗結(jié)果表明,所提方法搜索能力強,采用所提方法得到的解與真實解最相近,質(zhì)量最高。
[Abstract]:At present, the uncertain dynamic multi-objective optimization method usually transforms the multi-objective problem into a single-objective problem. The other targets are regarded as constraints, and only a single solution can be obtained, which can not effectively reflect the relationship between the uncertain multi-objective. Therefore, a new uncertain dynamic multi-objective optimization method based on particle swarm optimization is proposed. The mathematical description of the uncertain dynamic multi-objective optimization problem is given, and the particle swarm optimization algorithm is introduced. In order to solve the problem that particle swarm optimization (PSO) is easy to fall into local optimum, dynamic mutation operator is introduced to improve PSO, and the adaptive updating of PSO's position is realized by the improved location updating formula. The detailed process of solving the uncertain multi-objective optimization problem is given. On the basis of this, the uncertain dynamic multi-objective optimization is realized by piecewise linear function parameterization. The experimental results show that the proposed method has strong searching ability. The solution obtained by the proposed method is most close to the real solution and has the highest quality.
【作者單位】： 中原工學院;
【基金】：國家自然科學基金(51475290、51075261) 2015年度河南省軟科學研究計劃項目(152400410598)資助
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 郭明山;劉秉瀚;;一種改進的混沌粒子群算法[J];福建電腦;2008年02期

2 張楠;邢志棟;董建民;王辛;;一種基于粒子群算法和育種算法的混合算法[J];西北大學學報(自然科學版);2008年01期

3 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學報;2009年09期

4 張?zhí)├?劉春生;;基于改進粒子群算法的控制分配研究與應用[J];伺服控制;2012年06期

5 黃珍;潘穎;曹曉麗;;粒子群算法的基本理論及其改進研究[J];硅谷;2014年05期

6 焦國輝;;一種改進的粒子群算法穩(wěn)定性證明及其應用[J];現(xiàn)代計算機(專業(yè)版);2014年14期

7 王晟;潘郁;;個體激勵粒子群算法及其社會學背景分析[J];計算機工程;2008年21期

8 彭志平;張慧;;一種改進的粒子群算法在協(xié)商優(yōu)化中的應用[J];計算機工程;2008年10期

9 沈佳寧;須文波;孫俊;;基于量子粒子群算法的收斂性研究[J];微計算機信息;2009年06期

10 唐小勇;于飛;潘洪悅;;改進粒子群算法的潛器導航規(guī)劃[J];智能系統(tǒng)學報;2010年05期

相關(guān)會議論文 前10條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術(shù)交流會論文集[C];2012年

2 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術(shù)年會論文集[C];2010年

3 黃勝;任萬龍;王超;何新;;多目標粒子群算法在翼型優(yōu)化的應用[A];第二十五屆全國水動力學研討會暨第十二屆全國水動力學學術(shù)會議文集（上冊）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應PID控制[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路徑費用拆分方法研究[A];第二十六屆中國控制會議論文集[C];2007年

6 趙亮;;遺傳增強混沌粒子群算法[A];第二十九屆中國控制會議論文集[C];2010年

7 楊誠;楊傳啟;;基于粒子群算法的PID參數(shù)優(yōu)化[A];第七屆工業(yè)儀表與自動化學術(shù)會議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場下基于改進粒子群算法的AGC機組選擇[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（中冊）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動的混合粒子群算法及其應用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學者大會論文集[C];2012年

10 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學;2016年

2 尹浩;求解Web服務選取問題的粒子群算法研究[D];東北大學;2014年

3 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

4 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

5 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

6 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

7 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

8 劉衍民;粒子群算法的研究及應用[D];山東師范大學;2011年

9 王雪飛;粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究[D];西南大學;2008年

10 薛堯予;群能量守恒粒子群算法及其在發(fā)酵過程控制中的應用研究[D];北京化工大學;2010年

相關(guān)碩士學位論文 前10條

1 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

2 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

3 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

4 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

5 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

6 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學;2015年

7 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

8 仲偉彪;改進粒子群算法的研究及其云計算資源調(diào)度的應用[D];江西理工大學;2015年

9 艾東;基于粒子群算法的雙重目標設施布置優(yōu)化[D];西安建筑科技大學;2015年

10 劉召軍;解優(yōu)化問題的混合粒子群算法[D];陜西師范大學;2015年

，

本文編號：1699789