求多目标优化问题的粒子群优化算法

doi:10.3778/j.issn.1002-8331.2009.29.011

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (29): 37-40.DOI: 10.3778/j.issn.1002-8331.2009.29.011

求多目标优化问题的粒子群优化算法

赵志刚，李陶深，杨林峰

广西大学计算机与电子信息学院，南宁 530004

收稿日期:2008-05-30 修回日期:2008-07-21 出版日期:2009-10-11 发布日期:2009-10-11
通讯作者: 赵志刚

Particle swarm optimization for multi-objective programming problems

ZHAO Zhi-gang，LI Tao-shen，YANG Lin-feng

School of Computer，Electronics and Information，Guangxi University，Nanning 530004，China

Received:2008-05-30 Revised:2008-07-21 Online:2009-10-11 Published:2009-10-11
Contact: ZHAO Zhi-gang

摘要/Abstract

摘要： 将粒子群优化算法应用于求解多目标优化问题，提出一种双向搜索机制，指导粒子向着搜索空间中非劣目标区域以及粒子分布最为稀疏的区域这两个方向进行寻优，进而提出了求解多目标优化问题的基于粒子群优化算法的双向搜索法，该算法对粒子全局最优经验的选择策略以及粒子群的状态更新机制进行了改进。实验研究表明，该算法不仅能快速有效地获得多目标优化问题的非劣最优解集，而且求出的解集具有良好的分布性。

关键词: 多目标优化, 粒子群优化算法, 双向搜索, 非劣最优解

Abstract: Particle Swarm Optimization（PSO） is applied to solve Multi-Objective Programming（MOP） problems.First，a bidirectional searching strategy is proposed to guide each particle to search simultaneously in both the Pareto-optimal region and the region where particles are distributed sparsely.And then a bidirectional PSO based algorithm for solving MOP problems is put forward，which shifts the selection mechanism of the global optimum among all particles and updates the iteration manner of the whole swarm.The experimental studies show that the new algorithm can obtain effectively the Pareto-optimal sets of MOP problems，the distribution performance of which is improved as well.

Key words: multi-objective programming, Particle Swarm Optimization（PSO）, bidirectional search, Pareto optimal

中图分类号:

TP18

赵志刚，李陶深，杨林峰. 求多目标优化问题的粒子群优化算法[J]. 计算机工程与应用, 2009, 45(29): 37-40.

ZHAO Zhi-gang，LI Tao-shen，YANG Lin-feng. Particle swarm optimization for multi-objective programming problems[J]. Computer Engineering and Applications, 2009, 45(29): 37-40.

[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]	孔继利，张鹏坤，刘晓平. 双向搜索机制的改进A*算法研究[J]. 计算机工程与应用, 2021, 57(8): 231-237.
[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]	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.
[5]	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.
[6]	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.
[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]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

求多目标优化问题的粒子群优化算法

Particle swarm optimization for multi-objective programming problems

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics