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 > 工程科技 > 机械/仪表 > 一种求解动态多目标优化问题的粒子群算法
侵权投诉

一种求解动态多目标优化问题的粒子群算法

第23卷第2期 系统仿真学报© Vol. 23 No. 2 2011年2月 Journal of System Simulation Feb., 2011

一种求解动态多目标优化问题的粒子群算法

刘淳安

(宝鸡文理学院数学系,宝鸡 721013)

+

摘 要: 针对时间变量取值于正有理数集 、自变量的维数随时间可发生变化的一类动态多目标优化问题提出了一种求解的粒子群算法。该算法通过引入新的变异算子和自适应动态变化惯性因

子,有效地避免了粒子群算法易陷入局部最优的缺陷;同时,给出了一种判断环境变化的有效规则,

计算机仿真表明新算法对动态极大地增强了算法跟踪问题环境变化的能力,提高了算法的有效性。多目标优化问题的求解十分有效。

关键词: 动态多目标优化;粒子群算法;变维空间;Pareto最优解

中图分类号: TP18 文献标识码: A 文章编号:1004-731X (2011) 02-0288-06

Particle Swarm Algorithm

for Solving Dynamic Multi-objective Optimization Problems

LIU Chun-an

(Department of Mathematics, Baoji University of Arts and Sciences, Baoji 721013, China)

Abstract: For a class of dynamic multi-objective optimization problems, in which the time variable was defined on positive rational number set and the dimension of independent variable changed with the time, a new particle swarm algorithm was proposed. By introducing the new mutation operator and the adaptive dynamic changing inertia weight, the proposed algorithm could effectively avoid the defects of plunging into the local optimal of the particle swarm algorithm. Also, an effective rule used to judge the environment changing was given to increase the environment changing detecting ability and improve the effectiveness of the algorithm. The simulation results show that the proposed algorithm is effective for solving the dynamic multi-objective optimization problems.

Key words: dynamic multi-objective optimization; particle swarm algorithm; changing dimension space; Pareto optimization solutions

+

引 言在系统工程、模式识别等优化领域存在许多复杂的动态多目标优化问题(Dynamic multi-objective optimization problems: DMOPs),对于DMOPs而言,因其具有多个依赖时间(环境)的相互冲突、不可公度的目标,加之其Pareto最优解随时间的变化会发生改变,因此对DMOPs的优化显得比较困难,通常很难设计出一种通用的有效求解方法[1-2]。20世纪90

一种求解动态多目标优化问题的粒子群算法

年代,从“人工生命”领域的研究中发展起来的粒子群算法,因其容易理解,易于实现,在很多优化领域得到了成功的应用[3-4]。目前,粒子群算法主要被应用于静态多目标优化问题的求解。如:Coello等人[5]给出了使用全局

存储器记录每个粒子在每次飞行过程中的最优位置,并利用微粒的目标函数值对存储器中元素进行更新的多目标粒子群算法,该算法能有效的引导群体的整体搜索。Mostaghin等人[6]及 Li[7]将NSGA-II的机制引入微粒群算法用于求解多目标优化问题,数值实验及算法性能比较均表明该方法有效。张利彪等[8]通过对粒子群算法中全局极值和个体极值选取方式的改进,提出了一种求解多目标优化问题的微粒群算法。安伟刚等人[9]将单纯形法融入粒子群算法中提出了一种单纯形-多目标粒子群混合算法,并将其成功的应用于两目标十杆和二十五杆桁架结构的优化。熊盛武等人[10]利用粒子群的信息传递机制,引入多目标演化算法常用的归档技术提出了一种改进的多目标粒子群优化算法等。然而,把粒子群算法应用于动态多目标优化的研究目前则非常少。本文在基本粒子群算法基础上,提出了求解一类时间变量取值于正有理数集 、自变量的维数随时间可发生变化的动态多目标优化问题的粒子群算法。计算机仿真表明新算法对不同的实验函数在环境发生改变的情况下依然可求出其分布均匀且

+

收稿日期:2008-12-17 修回日期:2009-03-11

基金项目:国家自然科学基金 (60805016);陕西省自然科学基础研究计划项目 (2009JM1013);陕西省教育厅科研计划项目 (09JK329);宝鸡文理学院重点科研项目 (ZK1013)

作者简介:刘淳安(1972-),男,陕西淳化人,博士,副教授,研究方向为动态规划、多目标优化、人工智能等。

第1页

TOP相关主题

你可能喜欢

  • 进化多目标算法
  • 粒子群算法
  • 优化问题
  • 结构拓扑优化
  • 路径优化算法

热门文档

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