一种多目标微粒群算法及其收敛性分析

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (22): 53-55.

一种多目标微粒群算法及其收敛性分析

王俊年^1,2，刘建勋²，陈湘州³

1.湖南科技大学信息与电气工程学院，湖南湘潭 411201
2.湖南科技大学知识网格实验室，湖南湘潭 411201
3.湖南科技大学商学院，湖南湘潭 411201

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-01 发布日期:2007-08-01
通讯作者: 王俊年

Multi-objective particle swarm optimization and it’s convergence analysis

WANG Jun-nian^1,2，LIU Jian-xun²，CHEN Xiang-zhou³

1.School of Information and Electrical Engineering，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China
2.Knowledge Grid Laboratory，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China
3.Economics School，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-01 Published:2007-08-01
Contact: WANG Jun-nian

摘要/Abstract

摘要： 在分析多目标优化问题的基础上，提出一种随机多目标微粒群算法，该算法采用在已经获得的Pareto解集中随机选取的两个Pareto解作为微粒更新公式中的pbest和gbest微粒，从而使微粒群的多样性增加，获得均匀分布的Pareto前沿。之后利用有限齐次马尔科夫理论给出了SMOPSO算法的收敛性进行了分析，证明SMOPSO算法以概率1收敛于极小元。最后通过对两个常用多目标函数的仿真实验，验证了算法的有效性。

关键词: 多目标优化, 微粒群算法, Pareto占优, 马尔科夫链, 收敛性

Abstract: A stochastic multi-objective particle swarm optimization is proposed based on analyzing the multi-objective optimization problem.In this algorithm，the varieties of swarm are increased and obtained homogeneous Pareto front by selecting pbest and gbest of particle updating formula randomly from Pareto set repository.Then the convergence of the algorithm is analyzed by using finite markov chain theory，and it is proved that the SMOPSO algorithm converged to the minimizer by probability of 1.

Key words: multi-objective optimization, particle swarm optimization, Pareto dominance, Markav chain, convergence

王俊年^1,2，刘建勋²，陈湘州³. 一种多目标微粒群算法及其收敛性分析[J]. 计算机工程与应用, 2007, 43(22): 53-55.

WANG Jun-nian^1,2，LIU Jian-xun²，CHEN Xiang-zhou³. Multi-objective particle swarm optimization and it’s convergence analysis[J]. Computer Engineering and Applications, 2007, 43(22): 53-55.

[1]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[4]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[5]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[6]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[7]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[8]	吴天纬，安斯光，孙崎岖，李梅，孙丽宏，申屠南瑛. 改进聚合树的高维多目标降维优化算法[J]. 计算机工程与应用, 2020, 56(21): 47-53.
[9]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[10]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[11]	涂经科，梁俊斌，蒋婵，王天舒. 大规模无环有向管网中移动物联网监测进展[J]. 计算机工程与应用, 2020, 56(17): 1-11.
[12]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[13]	郭羽含，胡德甲. 基于随机森林与变邻域下降的车辆合乘求解[J]. 计算机工程与应用, 2020, 56(13): 243-253.
[14]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[15]	董骏峰，王祥，梁昌勇. 基于个体邻域的改进NSGA-II算法[J]. 计算机工程与应用, 2019, 55(5): 166-174.