-
题名基于三方竞争机制的反向多目标粒子群优化算法
被引量：8
- 1
-
-
作者
韩飞
郑明鹏
-
机构
江苏大学计算机科学与通信工程学院
江苏大学江苏省工业网络空间安全技术重点实验室
-
出处
《江苏大学学报（自然科学版）》
CAS
北大核心
2021年第6期685-693,共9页
-
基金
国家自然科学基金资助项目(61976108,61572241)。
-
文摘
针对传统多目标粒子群优化算法容易早熟的问题,提出一种基于三方竞争机制的反向多目标粒子群优化算法(MOPSO-TCOL).该算法利用当前种群在每一代中选择的三方竞争者来引导种群进化,这能够有效减少维护外部存档时的计算成本.在每次竞争中,MOPSO-TCOL从种群中随机挑选3个粒子进行比较,并基于不同的策略分别进行更新,这有利于保持种群的多样性.提出了一种基于反向学习策略的渐进式粒子更新方式,部分粒子进行反向学习以避免算法陷入局部最优,其他粒子通过向指定的更优粒子学习进行更新以加强收敛性.将所提出算法与8个多目标优化算法在14个标准测试函数上进行了性能比较试验.结果表明MOPSO-TCOL算法在多样性和收敛性上具有显著优势,且具有更快的收敛速度.
-
关键词
粒子群优化算法
多目标优化
进化算法
三方竞争机制
反向学习
PARETO前沿
-
Keywords
particle swarm optimization algorithm
multi-objective optimization
evolutionary algorithm
tripartite competition mechanism
opposition-based learning
Pareto front
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
