文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 数学 > QPSO算法求解无约束多目标优化问题
侵权投诉

QPSO算法求解无约束多目标优化问题

维普资讯 doc.guandang.net

是局部最优位置; bs t“ ( et)社会”分,示微粒间的社会 ̄g (是部表 信息共享,全局最优位置。是 =

定义

1对于最小化多目标问题,存在两个目标向量 (,,k与 (…,若目标向量 U配 v当且仅当存 ,…u z ) v, ),支,

1 QP O算法 . 2 S 文献【,中提出的 Q S 1] 2 P O算法不仅参数个数少,并且在搜 索能力上优于已开发的 P O算法。在 QP O中,粒子群按照 S S下面的 3个公式移动

在着决策变量使得下式成立 U≤v f,, k =12…, () 7

其中至少有一个严格不等式成立。 定义 2对于最小化多目标问题,在目标向量 (存= ), 五 ) ,… ),中为决策向量,若为 P rt优解则: )其 a o最 e

me, 1言 ( P. bs_ M— M r _ .= 1 ,

f言 l r — -】 _产 -J一 P矗, ,

() 3 () 4 () 5

P * g(一 P;=a d11 P 7f P+ 1 vf rn(, )

当且仅当问题的可行域内不存在决策变量,使得目标向量 C ) C, C )支配目标向量 C C ) )… ) = ) ,… C )。 )

却 m ef而I ( )“ [bs_ ;=

这里mbs是粒子群 P的中间位置,为P和P之间的随 et 机点,式 (以一定的概率取加或减。为 Q S的收缩扩张系公 5 ) a PO数,是 Q S收敛的一个重要的参数,它 PO第次迭代时一般可取 a 05 05 ( X I . MA T ME= . . MA T ME力/ X I + * () 6

所有满足定义 2的解的集合,构成了多目标优化问题的 P rt优解集,称为非劣解集;合中的每一个解都是一 ae o最又集

个 P rt优解,称为非劣解或有效解。 ae o最又

2基于目标加权的 Q S . 2 P O算法 ( A P O W Q S) W P 0Q S i we he age ao ) AQ S ( P Owt i td g rgt n的算法思想源于 h g i用于解决多目标问题的一种基于目标加权的 P O算法 (S S PO

具体 a值视情况而定,其中 M XIE是迭代的最大次取 A TR 数,当前迭代操作数。为 Q S的算法流程为: PO ()始化。 1初 fr=:A TME oT l X 1 M ()

据公式计算粒子的目标函数值 2根 ()新每个粒子的新局部最优位置 3更 ()新全局最优位置 4更 ()据公式 ()算 m et 5根 3计 bs

wi we he agea o, P O。其基本思想是给予问题 t i td grgt n WA S ) h g i 中的每一个目标一个权重,所有目标分量乘上各自相应的将

权重系数然后再加合起来构成一个新的目标函数,用单目采 标优化方法去求解。 常规的目标加权法如下 k

Fx= i∽ () Zw f .

() 8

()据公式 ()算每个粒子随机点 6根 4计 ()据公式 ()新每个粒子的新位置 7根 5更 e d n

其中: ,,—目枥∽的非负权重系数,并且满足 W(…—卢l ∑w。产1 i =1

)常被称为新的效用函数。通

针对两目标多目标问题,构造新的效用函数时采用了在 动态加权法 (ya c egtd grgt nDWA。动态加权法 d nmiw ihe ge ao, a i )

重复计算 2 7步,到满足迭代的次数。P O和 Q S 至直 S PO 的不同的地方在于“化”法不同,更新粒子位置的方法进方即

中权重系数的调整公式如下 W= b(n2 t ) Ia ss (n/ ) i C Wz一Wl=1 () 9

不同。在 P O算法中,子必须在一个有限的搜索范围内以 S粒 确保粒子群的聚集性使算法收敛于一个最优点或局部最优点。

而在 QP O算法中,粒子能够以某一确定的概率出现在整个 S

其中:

当前迭代操作数, -一权重系数的变化频率,常 c _通

可行的搜索空间中任意一个位置。而这样的一个位置可能比 当前群体中的p et bs具有更好的适应值。

是一常数。 从公式 () 9中不难看出,重系数以正弦函数形态缓慢波权动。态加权法更适用于求解 Prt矩阵为凸集的多目标问题。动 ae o WAQ S P O算法是将基于目标加权的评价方法与 Q S P O算

2 QP O求解多目标优化 S 21基本概念 . 假定某一决策过程中,要同时考察k目标,要求所有需个且目标函数在满足约束的条件下越小越好,化问题表示如下

优 mi ( n P F 0 =

法相结合而形成的算法。 下面具体以两目标优化问题的求解为例,细介绍 WA-详 Q S算法的实现。假设有一两目标优化向量 PO 如下:

=∞,

∞ )要求目标向量越小越好。 WAQ S算法的具体步骤 ,则 PO

∽

) ∽),…

=

{

≤ 0,∞=∞’∞, ∞ ) ) g g 2… j, 2 ) X R E,,,一 x… r C C , () 6

()始化群体。在解空间随机产生Ⅳ个微粒 (微粒群 1初Ⅳ为 规模)。每个微粒由一向量来表示,一向量的分量均按均匀每分布随机产生。 初始化如下: , w x w— l f—+ 2; pb s= e t x;

其中:

——优化目标向量,

一

约束向量,卜

决策变量。

在求解过程中,难找到一个解向量,够使 k目标函很能个

数同时达到最小。即:多目标优化问题中的多个目标几乎不 可能在同一解上同时达到最优。因此多目标优化问题的解往往不是单一的,是一组解的集合。而

fp etf - bs -=;

对于多目标优化问题,难通过简单的比较来确定谁优很谁劣,此提出了 Prt支配原则,为判断多目标优化问题因 a o e作优劣的依据,由此定义了 Prt最优集的概念。 a o e ——

g mifn ( p etmi(- bs )= n df bs nfp et) ( i -= ); g et b s g: bs p et,;= ( ) frt: 丑TER 0=1M

3 8 2 6——

QPSO算法求解无约束多目标优化问题

上一页第2页

你可能喜欢

  • 粒子群优化算法
  • 差分进化算法
  • 智能优化算法
  • 非线性方程组求解
  • 牛顿法解非线性方程组
  • 最优化问题
  • 进化多目标算法
  • 牛顿迭代法

热门文档

相关文档

  • QPSO多目标优化算法解约束规划问题

    ( 管控一体化 )2009 年第 25 卷第 1-3 期 QPSO 多目标优化算法解约束规划问题 Constraint Programming Base on Improved QPSO Algorithm (江南大学) 沈佳宁 须...

  • 【论文】演化算法求解约束多目标优化问题

    演化算法求解约束多目标优化问题_专业资料。求解多目标优化问题的演化算法主要考虑如何处理相互冲突的多个目标间的优化,很少考虑对约束条件的处理。通过引入约束主导...

  • 用于约束多目标优化问题的双群体差分进化算法

    差分进化算法 ,然后提出一种基于双群体搜索机制的求解约束多目标优化问题的差 ...自身的思考和认知 , gbest 表示个体间的信息 交流 , 这一点和 PSO 算法类似...

  • 基于粒子群算法求解多目标优化问题

    已有一些基于 PSO 算法求解多目标优化问题 的算法被提出1 Coello 和 Lechuga [..., n 是目标函数 , g j ( x ) ≤ 是系统约束1 0 在大多数情况下 , ...

  • 一种新的求解约束多目标优化问题的遗传算法

    3.2 有约束 Pareto 遗传算法目 前对Pareto遗传算法的研究更多是集中在无约束多目 标优化问题上, 而对有约束多目标优化问题研究较少。上述的 群体排序方法由于...

  • 基于多目标优化的投资组合分析

    QPSO算法求解无约束多目... 4页 免费 一种多目标规划的投资组... 暂无...所以, 多目标优化问题总是以牺牲一部分目标的利益来换取另一些 目标利益的改善...

  • 约束优化问题带有混沌变异的PSO-DE混合算法

    利用一系列二次规划的解,去逼近原约 作者简介:雷崇民(1960-),男,陕西渭南人,副教授. 万方数据 第6期 雷崇民等:约束优化问题带有混沌变异的PSO—DE混合算法 ?...

  • 基于QPSO方法优化求解TSP

    针对粒 子群优化算法 PSO 求解旅 行商问题 TSP 收敛速度不 够快的缺陷,提出利用量子 粒子群优化算 法 QPSO 求解 TSP, 在交换子和 交换序概念的 基础上, 以 ...

  • 解决单目标和多目标优化问题的进化算法

    仿真结果表明新算法对无约束多目标优化问题是有效可行的。 6.提出了解决多目标...近年来,微粒群算法(ParticleSwarmOptimization,PSO,由Kennedy和 Eberhart等于1995年...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email