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 > IT/计算机 > 求解多目标优化问题的自适应粒子群算法
侵权投诉

求解多目标优化问题的自适应粒子群算法

提出了一种基于自适应惯性权重的多目标粒子群优化算法AWMOPSO, 采用新的适应值分配机制, 在搜索过程中根据粒子的适应值对粒子进行分类, 动态调整粒子的惯性权重以控制粒子的开发和探索能力。用外部精英集保存非支配解, 并通过拥挤距离维持解的多样性。引入精英迁移和局部扰动策略, 提高收敛的速度和精度。典型的测试函数的计算结果表明了算法能够快速逼近Pareto最优前沿, 是求解多目标优化问题的有效方法。

文瑛,廖伟志,闭应洲:求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

求解多目标优化问题的自适应粒子群算法

2010,46(23)39

ìï|fi-favg'|其中:jÎPt,iÎES,kÎNS,ji表示个体i支配粒子j。

ïïw(i)-(w(i)-wmin)×|||f

mi>favg'

avg'|步骤4更新粒子群。按照公式(2)计算每个粒子的惯性

w(i)=ï||

íïw(i)favg<fi<favg'(2)权重,当Δ趋于0时,保留粒子群的历史最优位置,按照一定的

ïïï1.5-1fî12i<f概率Pm随机选择ES中的精英个体替换原来的粒子,否则重

avg新初始化粒子的位置和速度。这样做的目的是希望引入一定

其中,f数量的精英个体参与进化,如果全部重新初始化种群,种群的

i为第i个粒子的适应值,最优粒子的适应值为fm,粒子

群的平均适应值为f结构完全被破坏,将会降低收敛的速度。精英个体参与进化的

avg,适应值优于favg的所有粒子的适应值的比例由Pm控制。全局最优位置gbest则采用轮盘赌的方式从

平均值为favg,Δ=|||f|

m-favg'||,Δ越小说明粒子群越容易早熟收ES中选择。学习因子c1=c2=2.0,按照公式(1)更新粒子群。

敛。各参数的取值:wmin=0.4,k1=1.5,k2=0.3。步骤5更新粒子的历史最优位置Pbest。按Pareto支配关

惯性权重的调整策略实际上体现了分工与合作的思想:系从粒子的当前位置和历史最优位置中选择较优者作为历史让适应值高的优秀粒子具有较小的w,进行局部开发,有利于最优位置,若无相互支配关系,则按照50%的概率从中随机选提高寻优的精度。而对适应值低的较差粒子赋予较大的惯性择一个。

权重,在更大的范围内进行全局搜索。步骤6更新外部精英集中的个体。将种群中的非劣解保

存到NS集合中,再将NS集合中的解与外部精英集ES中的解

3自适应多目标粒子群算法进行比较,加入新的非支配解,删除被支配的解。

3.1多目标优化策略步骤7对外部精英集ES中各个目标函数的极值点进行

(1)采用多目标演化算法中常用的归档机制,使用有限的局部扰动。为了找到更好的Pareto前沿的端点,针对ES中各外部精英集保存迭代过程中搜索到的非支配解。当外部精英个目标函数的极值点进行扰动:

集中超过指定规模时,通过比较拥挤距离的大小删除多余的解。xi'=xi+ηξ(5)

(2)适应值的分配机制:除了外部精英集ES之外,另外引ξ为服从Gausss(0,1)分布的随机量,η用于调节扰动幅入一个集合NS,保存当前种群中的非支配解。根据Pareto支度。若外部精英集中的解超过指定数量,则通过计算每个解配关系分别计算ES和NS集合中的个体的强度,粒子的适应的拥挤距离[5]进行修剪,以保证外部精英集中的解均匀分布。值由ES中支配该粒子的个体的强度,以及NS中支配该粒子步骤8若满足结束条件,输出外部精英解集ES;否则t=t+的个体的强度共同决定。这样可以增加粒子适应值的差异1,计算每个粒子对应的目标函数值,将非支配解保存到非支性,更适合对粒子进行分类。配集合NS中,转步骤3。

(3)根据粒子适应值的大小,将粒子进行分类,分配不同

的惯性权重,平衡粒子的探索与开发能力。4非支配解的评价指标

(4)当粒子群的适应值趋于收敛的时候,保留粒子群的历多目标粒子群算法的目的是获得在目标空间中分布均匀史最优位置,对粒子群进行部分初始化,并在一定概率下引入的收敛到Pareto前沿的非支配解集。衡量和评价非支配解集外部精英集中的个体参与进化,提高种群多样性的同时,保持中解的质量主要考虑两个方面:(1)非支配解集逼近Pareto最收敛的速度。优前沿;(2)非支配解在目标空间均匀分布。为了便于数值比

(5)对每次迭代得到的外部精英集中的极值点进行高斯较,采用了两个常用的评价指标[6]:

局部扰动,以提高局部搜索精度。3.2算法的实现步骤GD

求解多目标优化问题的自适应粒子群算法

步骤1初始化粒子种群Pt,t=0。随机生成每个粒子的初(6)

其中n为非支配解的个数,d始位置和初始速度,初始位置作为每个个体的历史最优位置,i为第i个非支配解到Pareto最优解

每个粒子的初始权重w(i)=0.7。集在目标空间的距离的最小距离(GenerationDistance)。该

步骤2计算每个粒子对应的目标函数值,将非支配解分指标衡量非支配解集逼近Pareto前沿的程度,若GD=0表示所别保存到非支配集合NS和外部精英集ES中。得的非支配解全部是Pareto最优解。

步骤3计算外部精英集ES中的个体的Pareto强度si,非劣SP

求解多目标优化问题的自适应粒子群算法

=(7)

集合NS中个体的强度sk,以及粒子群中每个粒子的适应值fj。m

ES中的个体的Pareto强度si的计算公式如下:其中dæijö

i=minjçèå|k=1|fk(x)-fk(x)||÷ø,ij=12nj¹i,表示目

sni

i=(3)标空间中某个目标向量到与其最近目标向量之间的欧几里德n距离,dˉ是所有目标向量的平均距离,n为集合中解的个数。该i为粒子群Pt中被ES中的第i个个体所支配的粒子数,N为粒

子群的大小。同样的方法计算出NS中个体的强度s指标衡量非支配解集在目标空间中的分布性,指标值越小,分

k。粒子种

群中每个粒子的适应值fj由NS集合和ES集合中所有支配它布越均匀。

的个体的强度决定:5实验结果与分析

fj=1

1+s(4)测试函数采用ZDT1、ZDT2、ZDT4[6]和DTLZ6[7]。ZDT1为

i+s

jijkk2个目标30维函数,Pareto前沿是连续的凸函数。ZDT2为2个

上一页第2页

你可能喜欢

热门文档

相关文档

  • 求解多目标优化问题的自适应粒子群算法

    3 8 21,62)004(3 Cmurniergadplain 计算机工程与应用 optEgnei Apitsennco 求解 多 目标优 化 问题 的 自适应 粒子群算法 文瑛, 伟志, 廖 闭应 洲 WEN ...

  • 自适应学习的多目标粒子群优化算法

    自适应学习的多目标粒子群优化算法_计算机软件及应用_IT/计算机_专业资料。第2...于求解最优化问题, 并在很 多工程优化实践中表现出优于其他进化算法的优化性能...

  • 基于自适应进化粒子群算法的多目标优化方法

    自适应粒子群算法研究及其... 58页 2财富值 求解多目标优化问题的自适...... 如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击...

  • 一种求解动态多目标优化问题的粒子群算法

    23 No. 2 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...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...

  • 自适应粒子群算法研究及其在多目标优化中应用

    自适应粒子群算法研究及其在多目标优化中应用_数学_自然科学_专业资料。毕业...一般与特定问题相关或是局部搜索 方法的变形,适用于求解小规模且定义明确的问题...

  • 【论文】基于粒子群算法的自适应多目标优化

    基于粒子群算法的自适应多目标优化_专业资料。本文描述了一种新颖的基于粒子群的多目标优化方法,即自适应多目标粒子群优化。该算法采用自适应的方法,使惯性权重和...

  • 多目标优化的粒子群算法研究

    多目标优化问题的粒子群... 3页 免费 自适应粒子群算法研究及... 58页 1...本文对粒子群算法求解多目标优化问 题进行研究,针对多目标的分布度、高维目标...

  • 多目标粒子群优化算法研究

    粒子群算法对多目标优化问题的应用研究取得了较大的... 约束处理方法和参数自适应调整等 基础上, 提出了...基于粒子群算法求解多目标优化问题[ J] . 计算机...

  • 多目标无功优化的向量评价自适应粒子群算法.kdh

    复杂问题寻优时有相当可 能陷入局部寻优的现象, 提出了一种自适应粒子群算法...optimization , VEAPSO)来解决多目标无功优化问题,求解出问题的 Pareto 最优解...

  • 改进的多目标粒子群优化方法

    最后在粒子种群引入自适应的淘汰机制,加强粒子种群和...粒子群算法;多目标优化;Pareto支配;动态拥挤距离;...应用PSO求解多目标优化问题的关键在于合理选择全局 最...

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