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。
382010,46(23)ComputerEngineeringandApplications计算机工程与应用
求解多目标优化问题的自适应粒子群算法
文瑛,廖伟志,闭应洲
WENYing,LIAOWei-zhi,BIYing-zhou
广西师范学院计算机与信息工程学院,南宁530023
SchoolofComputerandInformationEngineering,GuangxiTeachersEducationUniversity,Nanning530023,China
WENYing,LIAOWei-zhi,BIYing-zhou.Self-adaptiveparticleswarmoptimizerformulti-objectiveoptimizationprob-lems.ComputerEngineeringandApplications,2010,46(23):38-40.
Abstract:Inthispaper,anewmulti-objectiveparticlewarmoptimizerbasedonself-adaptiveinertiaweightisproposed.Theparticlesaregivendifferentinertiaweightbasedonfitnessallocatedbyanewapproachinordertocontrolglobalexploringandlocalexploiting.Thenon-dominatedsolutionsarearchivedexternalandcrowdingdistanceisusedtomaintaindiversity.Meanwhilethestrategyofelitistindividualmigrationandturbulenceenhancetheconvergencespeed.Theexperimentalresultsindicatethattheproposedapproachiscompetitive,beingabletoapproximatetheParetofrontefficiently.
Keywords:multi-objectiveoptimization;ParticleSwarmOptimization(PSO);inertiaweight;Paretooptimal
摘要: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。
关键词:多目标优化;粒子群;惯性权重;Pareto最优
DOI:10.3778/j.issn.1002-8331.2010.23.010文章编号:1002-8331(2010)23-0038-03文献标识码:A中图分类号:TP301.61引言群体中的每个个体看作是D维搜索空间中没有体积的粒子,
科学研究和工程实践中许多的优化问题都是多目标优化在搜索空间中以一定的速度飞行。每个个体的速度根据它本问题,各个目标函数之间互相冲突,不能同时达到最优。相对身的飞行经验和同伴的飞行经验动态调整。第i个微粒表示为于单目标优化问题,多目标优化的结果不是一个最优解,而是Xi=(xi1xi2xiD),它经历过的个体最优位置(有最好的适应符合Pareto最优概念的一组解,称为Pareto最优解集或者非支
配解集[1]。基于种群的进化算法由于其隐含的并行性和全局值)记为Pi=(pi1pi2piD),也称为Pbest。在群体所有微粒搜索能力,并且每次运行能得到一组符合Pareto支配关系的经历过的全局最优位置的索引用符号g表示,即Pg,也称为解,成为多目标优化领域的研究热点。gbest。微粒i的速度用Vi=(vi1vi2viD)表示。对每一代,微
粒子群优化算法PSO(ParticleSwarmOptimization)是由粒i的第d维(1£d£D)的速度和位置根据下面的公式进行更新:Kennedy和Eberhart于1995年提出的一种群体进化算法[2]。在v(k+1)(k)(k)
粒子群算法中,粒子追随全局最优粒子寻优,使种群在进化过id=w×vid+c1×r1×(p(k)(k)
id-xid)+c2×r2×(p(k)
gd-x(k)
id)(1)
程中表现出强烈的趋同性,所以在进化后期收敛速度减慢而x(k+1)
id=x(k)+v(k)
idid
且精度不高。提出自适应多目标粒子群算法,目的是为了提其中:k表示迭代次数,n表示粒子群规模,D表示搜索空间的维高粒子对环境的适应性,通过对粒子惯性权重的调整,打破种数,c1和c2为学习因子,r1和r2是[0,1]之间的随机数,w为惯性权重。群的趋同性,并通过引入精英个体参与进化,对外部精英集中文献[3]通过实验研究了惯性权重w对算法性能的影响,发的各目标极值点进行的扰动和变异的操作,有效地提高收敛现较大的w值有利于全局探测,在更大的范围内寻优;而较小速度和搜索精度。的w则有利于局部开发,加速算法收敛。因此选择合适的w值,
可以使粒子具有均衡的开发和探索能力。文献[4]提出了根据
2粒子群算法群体早熟收敛程度和个体适应值的大小调整每个粒子的惯性
粒子群算法是对鸟群觅食过程的迁移和群集的模拟,将权重的策略:
基金项目:广西青年科学基金(No.0640032);广西师范学院教师前期基础研究基金。
作者简介:文瑛(1974-),女,讲师,主要研究方向:多目标优化、进化计算;廖伟志(1974-),男,博士,副教授,主要研究方向:模式识别、智能控制;
闭应洲(1967-),男,副教授,研究方向:智能计算。
收稿日期:2009-05-19修回日期:2009-07-08








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_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...
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...
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_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...
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...
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...
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...
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...
热门文档