【摘要】：針對(duì)粒子種群較差的局部搜索能力,提出了一種自適應(yīng)種群更新策略的多目標(biāo)粒子群算法。該算法在每次種群進(jìn)行迭代時(shí),根據(jù)種群的多樣性測(cè)度以及每個(gè)粒子的適應(yīng)度值,自適應(yīng)地改變速度權(quán)重,以此來(lái)提高種群粒子在局部搜索時(shí)的活性,使算法具有較強(qiáng)的局部搜索能力同時(shí)又保留了足夠的全局搜索能力。最后利用多組經(jīng)典測(cè)試樣例進(jìn)行仿真,并與傳統(tǒng)的粒子群算法以及速度線(xiàn)性衰減算法做比較,在單目標(biāo)優(yōu)化中,自適應(yīng)粒子群算法能夠更快地尋找最優(yōu)位置;在多目標(biāo)優(yōu)化中,自適應(yīng)粒子群算法能夠更快速地收斂于帕累托最優(yōu)邊界。
[Abstract]:Aiming at the poor local search ability of particle population, a multi-objective particle swarm optimization algorithm based on adaptive population updating strategy is proposed. The algorithm adaptively changes the speed weight according to the diversity measure of the population and the adaptive value of each particle during each iteration of the population, so as to improve the activity of the population particle in the local search. The algorithm has strong local search ability and enough global search ability. Finally, several classical test examples are used to simulate and compare with the traditional particle swarm optimization algorithm and the speed linear attenuation algorithm. In the single objective optimization, the adaptive particle swarm optimization algorithm can find the optimal position more quickly. In multi-objective optimization, the adaptive particle swarm optimization algorithm can converge to the Pareto optimal boundary more quickly.
【作者單位】： 南京信息工程大學(xué)江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心;
【基金】：國(guó)家自然科學(xué)基金(No.61503192,No.61105115) 江蘇省自然科學(xué)基金(No.BK20131002) 江蘇省六大人才高峰項(xiàng)目(No.2014-XXRJ-007)
【分類(lèi)號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 游佳麗;周志勇;章程;戴亞康;;基于自適應(yīng)驅(qū)散機(jī)制的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2017年07期

2 章恩澤;陳慶偉;;改進(jìn)的r支配高維多目標(biāo)粒子群優(yōu)化算法[J];控制理論與應(yīng)用;2015年05期

3 李寶磊;施心陵;茍常興;呂丹桔;安鎮(zhèn)宙;張榆鋒;;多元優(yōu)化算法及其收斂性分析[J];自動(dòng)化學(xué)報(bào);2015年05期

4 周利軍;彭衛(wèi);鄒芳;劉宇熒;李莉;;自適應(yīng)變異粒子群算法[J];計(jì)算機(jī)工程與應(yīng)用;2016年07期

5 朱大林;詹騰;張屹;鄭小東;;多策略差分進(jìn)化的元胞多目標(biāo)粒子群算法[J];電子學(xué)報(bào);2014年09期

6 韋杏瓊;周永權(quán);黃華娟;羅德相;;云自適應(yīng)粒子群算法[J];計(jì)算機(jī)工程與應(yīng)用;2009年01期

7 陳貴敏;賈建援;韓琪;;粒子群優(yōu)化算法的慣性權(quán)值遞減策略研究[J];西安交通大學(xué)學(xué)報(bào);2006年01期

8 張選平,杜玉平,秦國(guó)強(qiáng),覃征;一種動(dòng)態(tài)改變慣性權(quán)的自適應(yīng)粒子群算法[J];西安交通大學(xué)學(xué)報(bào);2005年10期

9 俞歡軍,張麗平,陳德釗,胡上序;基于反饋策略的自適應(yīng)粒子群優(yōu)化算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2005年09期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金秀章;劉瀟;;基于改進(jìn)云自適應(yīng)粒子群優(yōu)化算法的NO_X含量測(cè)量[J];自動(dòng)化儀表;2017年07期

2 馬發(fā)民;張林;王錦彪;;粒子群算法的改進(jìn)及其在優(yōu)化函數(shù)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2017年07期

3 許世鵬;吳定會(huì);孔飛;紀(jì)志成;;基于改進(jìn)雞群算法的柔性作業(yè)車(chē)間調(diào)度問(wèn)題求解[J];系統(tǒng)仿真學(xué)報(bào);2017年07期

4 陳建慧;唐玉蘭;趙吉;;船舶工程中的云粒子群算法研究[J];艦船科學(xué)技術(shù);2017年12期

5 張?zhí)m;;改進(jìn)PSO的WNN模型在短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年06期

6 趙國(guó)彥;孫貴東;戴兵;陳英;;基于PSO改進(jìn)的BP網(wǎng)絡(luò)在爆破大塊率優(yōu)化中的應(yīng)用[J];爆破;2017年02期

7 毛肖;和麗芳;王慶平;;基于改進(jìn)螢火蟲(chóng)優(yōu)化算法的多閾值彩色圖像分割[J];計(jì)算機(jī)科學(xué);2017年S1期

8 張雪博;劉敬浩;付曉梅;;基于改進(jìn)Logistic回歸算法的抗WebDDoS攻擊模型的設(shè)計(jì)與實(shí)現(xiàn)[J];信息網(wǎng)絡(luò)安全;2017年06期

9 李志華;許新;黎作鵬;任丹萍;;PSO-MEA混合優(yōu)化算法及其收斂性分析[J];微電子學(xué)與計(jì)算機(jī);2017年06期

10 劉文凱;溫潔嫦;;遠(yuǎn)離最差解的粒子群優(yōu)化算法[J];廣東工業(yè)大學(xué)學(xué)報(bào);2017年04期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃宇;劉玉峰;彭志敏;丁艷軍;;基于量子并行粒子群優(yōu)化算法的分?jǐn)?shù)階混沌系統(tǒng)參數(shù)估計(jì)[J];物理學(xué)報(bào);2015年03期

2 李仁府;獨(dú)孤明哲;胡麟;;基于PSO算法的路徑規(guī)劃收斂性與參數(shù)分析[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

3 鞏敦衛(wèi);季新芳;;融入偏好的區(qū)間高維多目標(biāo)集合進(jìn)化優(yōu)化方法[J];控制理論與應(yīng)用;2013年11期

4 李倩;宮俊;唐加福;;多目標(biāo)粒子群算法在交叉培訓(xùn)規(guī)劃中的應(yīng)用[J];控制理論與應(yīng)用;2013年01期

5 潘峰;周倩;李位星;高琪;;標(biāo)準(zhǔn)粒子群優(yōu)化算法的馬爾科夫鏈分析[J];自動(dòng)化學(xué)報(bào);2013年04期

6 陶新民;劉福榮;劉玉;童智靖;;一種多尺度協(xié)同變異的粒子群優(yōu)化算法[J];軟件學(xué)報(bào);2012年07期

7 劉長(zhǎng)平;葉春明;;置換流水車(chē)間調(diào)度問(wèn)題的螢火蟲(chóng)算法求解[J];工業(yè)工程與管理;2012年03期

8 黃澤霞;俞攸紅;黃德才;;慣性權(quán)自適應(yīng)調(diào)整的量子粒子群優(yōu)化算法[J];上海交通大學(xué)學(xué)報(bào);2012年02期

9 胥小波;鄭康鋒;李丹;武斌;楊義先;;新的混沌粒子群優(yōu)化算法[J];通信學(xué)報(bào);2012年01期

10 劉長(zhǎng)平;葉春明;;一種新穎的仿生群智能優(yōu)化算法:螢火蟲(chóng)算法[J];計(jì)算機(jī)應(yīng)用研究;2011年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 車(chē)林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年03期

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

3 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(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

4 張大興;賈建援;張愛(ài)梅;郭永獻(xiàn);;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(xué)報(bào);2009年09期

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

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

7 焦國(guó)輝;;一種改進(jìn)的粒子群算法穩(wěn)定性證明及其應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2014年14期

8 王晟;潘郁;;個(gè)體激勵(lì)粒子群算法及其社會(huì)學(xué)背景分析[J];計(jì)算機(jī)工程;2008年21期

9 彭志平;張慧;;一種改進(jìn)的粒子群算法在協(xié)商優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程;2008年10期

10 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(jì)算機(jī)信息;2009年06期

相關(guān)會(huì)議論文 前10條

1 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(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

2 馬向陽(yáng);陳琦;;以粒子群算法求解買(mǎi)賣(mài)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

3 黃勝;任萬(wàn)龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國(guó)水動(dòng)力學(xué)研討會(huì)暨第十二屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議文集（上冊(cè)）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應(yīng)PID控制[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國(guó)冶金自動(dòng)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(fèi)用拆分方法研究[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

6 趙亮;;遺傳增強(qiáng)混沌粒子群算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 楊誠(chéng);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(dòng)化學(xué)術(shù)會(huì)議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場(chǎng)下基于改進(jìn)粒子群算法的AGC機(jī)組選擇[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動(dòng)的混合粒子群算法及其應(yīng)用[A];第十屆中國(guó)不確定系統(tǒng)年會(huì)、第十四屆中國(guó)青年信息與管理學(xué)者大會(huì)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(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011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(chǎng)若干問(wèn)題的研究[D];東南大學(xué);2016年

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

3 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

4 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

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

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

7 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線(xiàn)優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

8 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

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

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

相關(guān)碩士學(xué)位論文 前10條

1 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

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(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

3 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

4 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

5 楊偉;基于粒子群算法的氧樂(lè)果合成過(guò)程建模研究[D];鄭州大學(xué);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(xué);2015年

7 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

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

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

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

，

本文編號(hào)：2443152