基于密度熵的多目标粒子群算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (26): 41-44.

基于密度熵的多目标粒子群算法

宋武,郑金华

湘潭大学信息工程学院,湖南湘潭 411105

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-11 发布日期:2007-09-11
通讯作者: 宋武

MOPSO algorithm based on density entropy

SONG Wu,ZHENG Jin-hua

Institute of Information Engineering,Xiangtan University,Xiangtan,Hunan 411105,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-11 Published:2007-09-11
Contact: SONG Wu

摘要/Abstract

摘要： 提出了一种基于密度熵的多目标粒子群算法（EMOPSO）。采用一个外部集保存所发现的Pareto最优解（精英）,并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度熵的策略进行分布度保持,从而使所得到的解集保持良好的分布性。最后与经典的多目标进化算法（MOEAs）进行了对比实验,实验结果表明了该算法的有效性。

关键词: 多目标优化, 密度熵, 多目标粒子群优化, 粒子群优化

Abstract: This paper presents a new multi-objective particle swarm based on density entropy.It uses an external archive to preserve the Pareto solutions that find so far,and denote the external archive as the Pbest.In order to make the partical spreads the whole pareto frontier,it uses a density entropy schem to run the external archive when the number of the archive is larger than the fixed size,this scheme can make final obtained solutions better distribution.At the end we compare our partical swarn to other classical MOEAs.The experimental result has indicated this algorithm efficiency.

Key words: multi-objective optimization, density entropy, multi-objective particle swarm optimization, particle swarm optimization

宋武,郑金华. 基于密度熵的多目标粒子群算法[J]. 计算机工程与应用, 2007, 43(26): 41-44.

SONG Wu,ZHENG Jin-hua. MOPSO algorithm based on density entropy[J]. Computer Engineering and Applications, 2007, 43(26): 41-44.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	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.
[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]	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.
[6]	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.
[7]	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.
[8]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[9]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[10]	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.
[11]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[12]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[13]	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.
[14]	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.
[15]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.