-
题名多目标微粒群优化算法及其应用研究进展
被引量：5
- 1
-
-
作者
曾劲涛
李金忠
唐卫东
夏洁武
刘新明
王博
-
机构
井冈山大学电子与信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2011年第4期1225-1231,共7页
-
基金
江西省自然科学基金资助项目(2009GQS0062)
-
文摘
针对近几年来MOPSO算法及其应用的进展进行了综述和评论。首先描述了MOPSO算法的基本框架;接着对MOPSO算法进行了分类和分析,并给出了MOPSO算法的一些改进策略;然后介绍了MOPSO算法的应用进展;最后展望了MOPSO算法值得进一步研究的方向。
-
关键词
多目标优化
多目标微粒群优化
算法
应用
-
Keywords
multi-objective optimization
multi-objective particle swarm optimization（MOPSO）
algorithm
application
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名MOPSO中精英保持策略和最佳解选择方法的改进
被引量：1
- 2
-
-
作者
余进
何正友
钱清泉
-
机构
西南交通大学电气工程学院
-
出处
《西南交通大学学报》
EI
CSCD
北大核心
2009年第4期530-534,563,共6页
-
基金
国家自然科学基金资助项目(50878188)
-
文摘
为提高多目标微粒群优化(MOPSO)算法处理高维目标优化问题的性能,降低计算复杂度,改善算法的收敛性,对MOPSO算法进行了改进.该改进算法利用扩展E支配(E-dominance)方法确定解之间的优胜关系,采用随机方式确定当代最佳解,考虑了算法的收敛性和解的多样性.此外,采用外部种群档案保存精英解,利用非线性函数将优化问题的目标空间映射到有限区域,并在该有限区域内考虑解的优胜关系和分布情况.通过对一系列典型测试问题的仿真研究,结果表明:对于3个以上的多目标优化问题,改进算法的收敛性和计算复杂度都优于原始MOPSO和NSGA2.
-
关键词
多目标微粒群优化
多目标优化
收敛性
计算复杂度
-
Keywords
MOPSO （multi-objective particle swarm optimization ）
multi-objective optimization
convergence
calculation complexity
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
