A Novel Diversity Guided Particle Swarm Multi-lbjective Optimization Algorithm.pdf

1、粒子群算法是一種由Dr.Eberhart與Dr.Kennedy受鳥群捕食行為的啟發(fā)于1995年提出一種用于單目標(biāo)優(yōu)化的智能算法,之后被用來(lái)解決多目標(biāo)問(wèn)題,許多多目標(biāo)粒子群算法被相繼提出。多目標(biāo)粒子群優(yōu)化算法是一種用于優(yōu)化同時(shí)擁有多個(gè)相互沖突目標(biāo)的問(wèn)題的算法,目前許多的研究工作都著重于通過(guò)一些方法來(lái)提高算法一些性能,例如:將擁擠度計(jì)算加入多目標(biāo)粒子群算法中,以提高算法的分布性等等。目前,同時(shí)提高算法的收斂性與分布性漸漸成為了該領(lǐng)域的研究熱

2、點(diǎn)與關(guān)鍵問(wèn)題。
　　 本文提出了一種多目標(biāo)多樣性引導(dǎo)的粒子群算法(MOPSO-AR),算法通過(guò)引力斥力機(jī)制、擁擠度計(jì)算機(jī)制與變異算子共同維持著算法的多樣性,而引力斥力機(jī)制最為重要,引力斥力機(jī)制通過(guò)一種度量標(biāo)準(zhǔn)來(lái)衡量種群的多樣性,進(jìn)而根據(jù)多樣性的大小調(diào)整粒子的移動(dòng)距離及方向,使得算法一直保持多樣性,從而克服粒子群算法容易早熟收斂的缺點(diǎn),同時(shí)也提高了解的分布性。
　　 實(shí)驗(yàn)結(jié)果表明MOPSO-AR有效地提高了算法的收斂性及分