-
题名基于定期竞争学习的多目标粒子群优化算法
被引量：13
- 1
-
-
作者
刘明
董明刚
敬超
-
机构
桂林理工大学信息科学与工程学院
广西嵌入式技术与智能系统重点实验室(桂林理工大学)
-
出处
《计算机应用》
CSCD
北大核心
2019年第2期330-335,共6页
-
基金
国家自然科学基金资助项目(61563012
61203109
+2 种基金
61802085)
广西自然科学基金资助项目(2014GXNSFAA118371
2015GXNSFBA139260)~~
-
文摘
为提高种群的多样性和算法的收敛性,提出一种基于定期竞争学习机制的多目标粒子群算法。该算法将多目标粒子群算法和竞争学习机制相结合,即每隔一定迭代代数便使用一次竞争学习机制,很好地保持了种群的多样性;同时,该算法不需要全局最优粒子的外部存档,而是从当前代种群中选取一部分优秀的粒子,再从这些优秀的粒子中随机选取一个作为全局最优粒子,能够有效提升算法的收敛性。将提出的算法与基于分解的多目标粒子群算法(MPSOD)、基于竞争机制且快速收敛的多目标粒子群(CMOPSO)算法、参考向量引导的多目标进化算法(RVEA)等8个算法在21个标准测试函数上进行了比较,结果表明,所提算法的帕累托(Pareto)前沿更加均匀,在世代距离(IGD)上会更加小。
-
关键词
多目标优化
粒子群优化
定期竞争
竞争学习机制
全局最优选取策略
-
Keywords
multi-objective optimization
Particle Swarm Optimization(PSO)
scheduled competition
competitive learning mechanism
global best selection strategy
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于博弈机制的多目标粒子群优化算法
被引量：9
- 2
-
-
作者
喻金平
王伟
巫光福
梁文
-
机构
江西理工大学工程研究院
江西理工大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2020年第4期964-971,共8页
-
基金
国家自然科学基金项目(11461031、61562037、61462034)
江西省研究生创新专项基金项目(YC2018-S331)。
-
文摘
为改善多目标粒子群算法存在优化解的多样性不足和算法的收敛性问题,提出一种基于博弈机制的多目标粒子群优化算法。使用博弈机制,无需外部储备集,通过非占优排序和拥挤距离选出一部分优秀的粒子,从这些优秀的粒子中随机选择一个作为全局最优粒子,有效提升算法的收敛性和种群的多样性。算法初期使用多尺度混沌变异策略,避免算法陷入局部最优。通过与6个多目标算法在3个系列标准测试函数上进行比较,验证了该算法所得解分布性较好,能快速收敛到真实Pareto前端。
-
关键词
多目标优化
粒子群优化
混沌变异
博弈机制
全局最优选取策略
-
Keywords
multi-objective optimization
particle swarm optimization
chaotic mutation
game mechanism
global optimal selection strategy
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
