【摘要】：為了平衡多目標粒子群算法的多樣性和收斂性,提出一種基于多樣性檢測的多子群多目標粒子群算法.首先,將多樣性檢測方法引入到多目標粒子群算法中,并結合多目標粒子群算法的特點進行改進.然后,將種群分為兩個不同分工的子群,一個子群保持較好的多樣性,在搜索空間進行全局搜索;另一個子群保持較好的收斂性,在Pareto前沿附近進行局部搜索.最后,根據(jù)多樣性度量指標調整兩個子群的搜索行為,以達到兼顧多樣性和收斂性的目的.在標準測試問題上的仿真結果表明了所提算法的有效性.
[Abstract]:In order to balance the diversity and convergence of multi-objective particle swarm optimization algorithm, a multi-objective particle swarm optimization algorithm based on diversity detection is proposed. First, the diversity detection method is introduced into the multi-objective particle swarm optimization algorithm, and the characteristics of the multi-objective particle swarm optimization algorithm are improved. Then, the population is divided into two subgroups with different division of labor. One subgroup maintains better diversity and carries out global search in the search space, and the other subgroup maintains better convergence and performs local search near the Pareto frontier. Finally, the search behavior of the two subgroups is adjusted according to the diversity metrics to achieve both diversity and convergence. The simulation results on the standard test problem show the effectiveness of the proposed algorithm.
【作者單位】： 大連理工大學電子信息與電氣工程學院;
【基金】：國家自然科學基金項目(61374154)
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 何清;翟建仁;;Fuzzy群[J];河北機電學院學報;1993年03期

2 黃凱鋒;李莉;李永亮;;多種群粒子群與人工蜂群融合的改進算法[J];計算機工程與設計;2014年06期

3 李鋒;;粒子群離散算法在無線傳感網(wǎng)絡中的應用[J];微型機與應用;2014年12期

4 楊書Oz;舒勤;何川;;基于云模型改進的粒子群K均值聚類算法[J];現(xiàn)代計算機(專業(yè)版);2014年10期

5 李愛國;多粒子群協(xié)同優(yōu)化算法[J];復旦學報(自然科學版);2004年05期

6 王偉;李枚毅;彭霞丹;;一種雙層可變子群的動態(tài)粒子群優(yōu)化算法[J];小型微型計算機系統(tǒng);2012年01期

7 焦巍;劉光斌;;一種新的雙子群PSO算法[J];計算機工程;2009年16期

8 張洪波;;多種群粒子群分層進化優(yōu)化算法[J];中國科技信息;2010年08期

9 朱俚治;;一種基于粒子群的變形病毒檢測算法[J];信息安全與技術;2014年08期

10 焦巍;劉光斌;;動態(tài)環(huán)境下的雙子群PSO算法[J];控制與決策;2009年07期

相關會議論文 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)重構研究[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

相關博士學位論文 前10條

1 常彥偉;縱向參數(shù)多子群粒子群算法的研究與應用[D];中國礦業(yè)大學;2009年

2 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

3 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

4 邵晴;粒子群算法研究及其工程應用案例[D];吉林大學;2017年

5 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

6 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

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

8 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

9 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

10 劉衍民;粒子群算法的研究及應用[D];山東師范大學;2011年

相關碩士學位論文 前10條

1 徐桓;基于量子粒子群的Agent聯(lián)盟生成問題研究與應用[D];云南師范大學;2015年

2 趙鵬旭;基于粒子群的群智能理論在系統(tǒng)優(yōu)化中的應用研究[D];華北電力大學;2015年

3 胡麗芳;基于動態(tài)線性步長的雙子群果蠅優(yōu)化算法及其應用[D];安徽大學;2016年

4 關鶴童;基于混沌粒子群雞群融合優(yōu)化算法的云任務調度應用與實現(xiàn)[D];吉林大學;2016年

5 許國燕;基于改進量子粒子群的WSN網(wǎng)絡覆蓋優(yōu)化研究[D];蘭州交通大學;2016年

6 楊悅;粒子群及其改進在微震速度模型校正應用的數(shù)值模擬研究[D];中國科學技術大學;2015年

7 張同新;多目標子群發(fā)現(xiàn)算法及其應用研究[D];南京理工大學;2014年

8 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

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

10 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

，

本文編號：2135516