本文選題：直覺模糊支配　切入點(diǎn)：混合粒子群優(yōu)化　出處：《計(jì)算機(jī)科學(xué)》2017年01期

【摘要】：為提高求解多目標(biāo)優(yōu)化問題的精確性和解集分布的均勻性,提出了一種基于直覺模糊支配的混合粒子群算法。通過引入種群全局目標(biāo)值標(biāo)量參數(shù)、直覺模糊隸屬度和排序方法,定義一種新的最優(yōu)解支配關(guān)系;采用基于模擬退火的Meta-Lamarckian局部學(xué)習(xí)策略,結(jié)合粒子群算法,以避免算法陷入局部最優(yōu)和早熟;此外,定義種群同構(gòu)因子來衡量種群多樣性,以自適應(yīng)調(diào)節(jié)慣性權(quán)重和加速因子;提出一種遞減擾動(dòng)策略對(duì)粒子飛行速度進(jìn)行擾動(dòng);最后,與多種經(jīng)典多目標(biāo)優(yōu)化算法進(jìn)行仿真測(cè)試比較,結(jié)果表明該算法在求解精度、解集分布均勻性上具有明顯優(yōu)勢(shì)。
[Abstract]:A hybrid particle swarm optimization algorithm based on intuitionistic fuzzy domination is proposed to improve the accuracy of solving multi-objective optimization problems and the uniformity of solution set distribution.By introducing scalar parameters of global target value, intuitionistic fuzzy membership degree and sorting method, a new optimal solution dominating relation is defined, and Meta-Lamarckian local learning strategy based on simulated annealing is combined with particle swarm optimization algorithm.In order to avoid the algorithm falling into local optimum and premature; in addition, the population isomorphism factor is defined to measure population diversity, and the inertia weight and acceleration factor are adjusted adaptively; a decreasing disturbance strategy is proposed to disturb the flying velocity of particles; finally, the population isomorphism factor is defined to measure population diversity.Compared with many classical multi-objective optimization algorithms, the simulation results show that the algorithm has obvious advantages in solving accuracy and solution set distribution uniformity.
【作者單位】： 空軍工程大學(xué)防空反導(dǎo)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61402517) 中國(guó)博士后基金(2013M542331) 陜西省自然科學(xué)基金(2013JQ8035)資助
【分類號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 王華;朱付保;;基于多目標(biāo)粒子群的土地整理項(xiàng)目選址模型[J];農(nóng)業(yè)工程學(xué)報(bào);2015年14期

2 趙新爽;汪厚祥;蔡益朝;;反導(dǎo)預(yù)警作戰(zhàn)資源調(diào)度方法[J];系統(tǒng)工程與電子技術(shù);2015年06期

3 章恩澤;吳益飛;陳慶偉;;一類區(qū)間多目標(biāo)粒子群優(yōu)化算法[J];控制與決策;2014年12期

4 Jie Zeng;Wei Nie;;Novel multi-objective optimization algorithm[J];Journal of Systems Engineering and Electronics;2014年04期

5 高紅民;周惠;徐立中;石愛業(yè);;Classification of hyperspectral remote sensing images based on simulated annealing genetic algorithm and multiple instance learning[J];Journal of Central South University;2014年01期

6 戚玉濤;劉芳;常偉遠(yuǎn);馬曉亮;焦李成;;求解多目標(biāo)問題的Memetic免疫優(yōu)化算法[J];軟件學(xué)報(bào);2013年07期

7 甘旭升;端木京順;孟月波;叢偉;;Wavelet neural network aerodynamic modeling from flight data based on pso algorithm with information sharing and velocity disturbance[J];Journal of Central South University;2013年06期

8 ZHANG ShiHai;OU JinPing;;BP-PSO-based intelligent case retrieval method for high-rise structural form selection[J];Science China(Technological Sciences);2013年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏洪斌;羅明;鞠正山;王軍;吳克寧;;中國(guó)土地整治“十二五”研究重點(diǎn)評(píng)述與“十三五”研究展望[J];水土保持研究;2017年02期

2 梅海濤;華繼學(xué);王毅;文童;;基于直覺模糊支配的混合多目標(biāo)粒子群算法[J];計(jì)算機(jī)科學(xué);2017年01期

3 李智;;智能優(yōu)化算法研究及應(yīng)用展望[J];武漢輕工大學(xué)學(xué)報(bào);2016年04期

4 鄭玉軍;田康生;邢曉楠;豐坤;;帶時(shí)間窗的相控陣?yán)走_(dá)實(shí)時(shí)任務(wù)調(diào)度方法[J];火力與指揮控制;2016年10期

5 楊世品;陸小華;薄翠梅;李麗娟;徐啟;;多目標(biāo)P系統(tǒng)仿生優(yōu)化算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2016年10期

6 李小麗;;基于梯度圖及Hausdorff距離的人臉識(shí)別算法[J];安徽科技學(xué)院學(xué)報(bào);2016年05期

7 李永新;甘旭升;屈虹;趙海濤;;飛行實(shí)測(cè)數(shù)據(jù)氣動(dòng)力建模研究[J];計(jì)算機(jī)仿真;2016年08期

8 劉芳;彭智勇;高興;;云計(jì)算環(huán)境下的端口資源均衡調(diào)度模型仿真[J];計(jì)算機(jī)仿真;2016年08期

9 陳嘯;王紅英;孔丹丹;岳巖;方鵬;呂芳;;基于粒子群參數(shù)優(yōu)化和BP神經(jīng)網(wǎng)絡(luò)的顆粒飼料質(zhì)量預(yù)測(cè)模型[J];農(nóng)業(yè)工程學(xué)報(bào);2016年14期

10 ZHOU Wei;LI Shao Lin;MA Gang;CHANG Xiao Lin;MA Xing;ZHANG Chao;;Parameters inversion of high central core rockfill dams based on a novel genetic algorithm[J];Science China(Technological Sciences);2016年05期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牛繼強(qiáng);徐豐;;利用克隆選擇算法構(gòu)建的土地用途分區(qū)模型[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年02期

2 常志朋;程龍生;劉家樹;;基于馬田系統(tǒng)與TOPSIS的區(qū)間數(shù)多屬性決策方法[J];系統(tǒng)工程理論與實(shí)踐;2014年01期

3 孫靖;鞏敦衛(wèi);季新芳;;基于偏好方向的區(qū)間多目標(biāo)交互進(jìn)化算法[J];控制與決策;2013年04期

4 董濤;劉付顯;李響;;末段多層反導(dǎo)作戰(zhàn)的任務(wù)分解[J];現(xiàn)代防御技術(shù);2012年04期

5 張靜;王萬良;徐新黎;介婧;;混合粒子群算法求解多目標(biāo)柔性作業(yè)車間調(diào)調(diào)度度問題[J];控制理論與應(yīng)用;2012年06期

6 王華;劉耀林;姬盈利;;基于多目標(biāo)微粒群優(yōu)化算法的土地利用分區(qū)模型[J];農(nóng)業(yè)工程學(xué)報(bào);2012年12期

7 湯紹勛;易先清;羅雪山;;面向預(yù)警衛(wèi)星調(diào)度問題的改進(jìn)粒子群算法[J];系統(tǒng)工程;2012年01期

8 杜占帥;易先清;;天基預(yù)警系統(tǒng)資源調(diào)度方法[J];火力與指揮控制;2009年07期

9 林川;馮全源;;粒子群優(yōu)化算法的信息共享策略[J];西南交通大學(xué)學(xué)報(bào);2009年03期

10 李彥斌;張寧;李存斌;;Support vector machine forecasting method improved by chaotic particle swarm optimization and its application[J];Journal of Central South University of Technology;2009年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計(jì)算機(jī)應(yīng)用;2011年08期

9 任偉建;武璇;;一種動(dòng)態(tài)改變學(xué)習(xí)因子的簡(jiǎn)化粒子群算法[J];自動(dòng)化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

相關(guān)會(huì)議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線性振動(dòng)暨第九屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國(guó)（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)博士學(xué)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(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

6 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

7 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

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

9 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(xué);2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

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

3 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(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

6 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(xué);2015年

7 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(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場(chǎng)并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

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

，

本文編號(hào)：1722956