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。

402010,46(23)ComputerEngineeringandApplications计算机工程与应用

1.661.0×102

1.4s

t5n0.9

o

1.2t=100i

t

u0.8st3Pareto=50Frontl

ost4st2

34S0.7

1.0f

o

t

e0.6

3rst12a

f0.8P0.5

f

0.6o0.4

r1.02e0.3

0.4b

m

u0.2

0.20.50.60.81.0N0.1

00.10.20.30.40.50.60.70.80.91.0f200.20.4

f100.10.20.30.40.50.60.70.80.91.0

f1NumberofIterations×102图1ZDT4函数的优化结果图2DTLZ6函数的优化结果图3进化过程中ES中Pareto解的比例目标30维函数,Pareto前沿是连续的非凸函数。ZDT4为2个速度和精度都得到明显改善。

目标10维多峰函数,容易陷入局部最优。DTLZ6为3个目标对比文献[8]中Table1~Table4给出的其他多目标优化算法22维函数,Pareto前沿含有多个不连续的区域。对相同测试函数的GD指标的计算结果,本文算法对Pareto前沿

粒子种群的大小设为100,外部精英集的大小为100,最大的逼近程度要好于NSGAII、SPEA2、MOPSO、OMOPSO算法。进化代数为100,每个测试函数均运行50次。

表1中的数据显示了本文算法对ZDT系列测试函数的计6结论

算结果,可以看出,对ZDT1和ZDT2,AMOPSO算法在最好的提出的自适应惯性权重多目标粒子群优化算法AWMOP-情况下可以达到真正的Pareto前沿。对于具有多模特性的SO,在新的适配值分配机制下,充分利用惯性权重对粒子寻优ZDT4函数,并没有找到真正的Pareto最优解,这是因为ZDT4

函数的搜索范围比其他函数大得多,大量的局部最优增加了过程的控制作用,使粒子分工合作,动态调整全局搜索和局部寻优的难度。在实验过程中发现,如果不引入局部扰动策略,搜索能力。对典型测试函数的实验说明适当引入精英参与进很容易收敛到1个极值点。从GD指标看,本文算法的计算结化和局部扰动变异,对加快收敛速度,提高解的精度是非常有果已经非常逼近真正的Pareto最优前沿。图1显示了对ZDT4效的。进一步与其他的多目标优化算法进行比较,优化参数函数,进化50代和100代得到的解对应于Pareto前沿的分布情的取值则是下一步的工作。

况。图2显示了对DTLZ6函数的计算结果对应的分布情况。参考文献:

表1测试函数的优化结果

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

[1]谢涛,陈火旺.多目标优化与决策问题的演化算法[J].中国工程科

测试函数ZDT1ZDT2ZDT4DTLZ6学,2002,4(2):59-67.

best008.7451E-41.0911E-3[2]KennedyJ,EberhartRC.Particleswarmoptimization[C]//Pro-worst2.1251E-49.5429E-51.4686E-28.9173E-3ceedingIEEEInternationalConferenceonNeuralNetworks.GDaverage5.7257E-54.1277E-53.4709E-33.7548E-3

median4.4985E-54.4632E-52.7238E-33.4583E-3Perth:IEEEPress,1995:1942-1948.

Std.5.0481E-52.9281E-52.5732E-31.6514E-3[3]ShiY,EberhartR.AmodifiedParticleSwarmOptimizer[J].best5.1708E-35.1225E-35.4273E-31.0124E-2IEEEInternationalConferenceonEvolutionaryComputation.worst7.3538E-39.5228E-32.3373E-21.8268E-2Washington:IEEE,1998:69-73.

SPaverage6.3179E-36.4300E-39.5140E-31.3300E-2[4]韩江洪,李正荣,魏振春.一种自适应粒子群优化算法及其仿真研

median6.3300E-36.2470E-38.4338E-31.3056E-2究[J].系统仿真学报,2006,18(10):2969-2972.

Std.5.1343E-48.2132E-43.5782E-31.5048E-3[5]DebK,PratapA,AgrawalS,etal.AFastandElitistMultiobjec-为了说明本文采用的优化策略对算法收敛性的影响,对tiveGeneticAlgorithm:NSGA-II[J].IEEETransactionsonEvolu-ZDT1函数,采用不同的优化策略,记录进化过程中外部精英tionaryComputation,2002,6(2):182-197.集中Pareto解的平均比例随进化代数变化的情况,如图3所[6]ZitzlerE,DebK,ThieleL.Comparisonofmultiobjectiveevolu-示。其中st1采用了固定惯性权重的策略,参数采用文献[3]中tionaryalgorithms:Empiricalresults[J].IEEETransonEvolution-的取值:w=0.7298,c1=2.8,c2=1.3。st2采用自适应惯性权重,aryComputation,2002,8(2):173-195.当delta趋于0时,将种群全部初始化的策略。st3采用自适应[7]DebK,ThieleL,LaumannsM,etal.Scalablemulti-objectiveop-

timizationtestproblems[C]//CongressonEvolutionaryComputa-

惯性权重,当delta趋于0时,以0.2的概率引入精英个体参与tion(CEC’2002).Volume1,Piscataway,NewJersey,IEEESer-进化。st4则在st3的基础上对每次迭代过程得到的精英集进viceCenter,2002:825-830.

行局部扰动。从图中可以看出,固定权重的算法的收敛速度[8]SierraMR,CoelloCA.ImprovingPSO-basedmulti-objective是比较快的,但是Pareto解的比例不高。采用自适应惯性权重optimizationusingcrowding,mutationandε-dominance[C]//Proc可以提高Pareto解的比例,但是收敛速度却降低了。精英迁移ofthe3rdInt’lConfonEvolutionaryMulti-criterionOptimiza-策略可以适当改善收敛的速度,辅以局部扰动策略后,收敛的tion,Mexico,2005:505-519.

上一页第3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