一种混合的多目标粒子群算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (6): 42-45.

一种混合的多目标粒子群算法

管月智，葛洪伟

江南大学物联网工程学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-21 发布日期:2012-02-21

Hybrid multi-objective particle swarm optimization

GUAN Yuezhi, GE Hongwei

School of Internet of Things, Jiangnan University, Wuxi, Jiangsu 214122, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-21 Published:2012-02-21

摘要/Abstract

摘要： 将混沌变异和局部搜索与粒子群算法相结合用于多目标寻优。寻优的过程中以拥挤距离为标准，在进化的不同阶段采用相应的优化策略。当种群陷入局部最优时用混沌变异跳出该局部最优；用局部搜索法在进化后期增强算法的多样性和收敛性。实验结果表明，该方法求得的Pareto前沿分布更加均匀，更加接近理论的Pareto前沿。

关键词: 混沌变异, 局部搜索, 收敛性, 多样性, Pareto前沿, 粒子群

Abstract: Chaotic mutation and local searching combine with the particle swarm optimization algorithm for multi-objective optimization. In the process of optimization, different phases of evolution adopt different optimization strategy using crowding distance for the standard. When the population has trapped into local optimum, chaotic mutation helps to break away from the local optimum. In the later phases of evolution, local searching helps to enhance the diversity and convergence of this algorithm. The experimental results show that the distribution of Pareto front is more uniform, closer to the theoretical Pareto front.

Key words: chaotic mutation, local searching, convergence, diversity, Pareto front, particle swarm optimization

管月智，葛洪伟. 一种混合的多目标粒子群算法[J]. 计算机工程与应用, 2012, 48(6): 42-45.

GUAN Yuezhi, GE Hongwei. Hybrid multi-objective particle swarm optimization[J]. Computer Engineering and Applications, 2012, 48(6): 42-45.

[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]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[5]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[6]	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.
[7]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[8]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[9]	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.
[10]	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.
[11]	田维安，陈红梅，周丽华. 基于相似用户好奇心的多样性推荐方法[J]. 计算机工程与应用, 2021, 57(23): 113-121.
[12]	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.
[13]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[14]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.
[15]	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.