×
徐刚;罗坤;景、郭秀;Yu、Xiang;阮晓军;宋军

多目标粒子群优化算法的收敛性分析。 （英语） Zbl 1443.90335号

欧洲药典。物件。 286，第1号，32-38（2020）.
摘要：多目标粒子群优化（MOPSO）是一种基于种群的随机优化算法，已成功用于解决许多多目标优化问题。然而，目前对算法收敛性的分析仍然不够。本文应用概率论分析了原MOPSO的收敛性。首先，定义了一个收敛度量。然后，将原MOPSO的全局收敛性转化为收敛度量序列的收敛性。最后，利用定义的收敛度量，从概率论的角度分析了原MOPSO的全局收敛性。结果表明，原MOPSO不能保证概率为1的全局收敛。此外，对原MOPSO的分析表明，改进后的MOPSO视觉是一种全局收敛算法。本文中对原始MOPSO收敛性的证明是新的、简单的，并且在没有具体实现的情况下更有效。

引用于5文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
90C29型 多目标规划
68瓦20 随机算法

关键词：

全局优化;粒子群优化;多目标优化;汇聚;可能性

软件：

MOPSO公司
PDF格式BibTeX公司 XML格式引用
\textit{G.Xu}等人，《欧洲药典》。第286号决议，第1号，第32-38条（2020年；兹bl 1443.90335）
全文： 内政部

参考文献：

[1] Benuwa，B.B。；甘萨，B.J。；沃尼奥，D.K。；Adabunu，S.A.，《粒子群优化综合评述》，《非洲工程研究国际期刊》，第23期，第141-161页（2016年）
[2] 查克拉波蒂，P。；达斯，S。；罗伊·G·G。；Abraham，A.，《关于多目标粒子群优化算法的收敛性》，信息科学，1811411-1425（2011）·Zbl 1222.90051号
[3] 陈，Y。；邹晓峰。；Xie，W.C.，多目标进化算法收敛到帕累托前沿的均匀分布表示，信息科学，181，3336-3355（2011）·Zbl 1242.90299号
[4] 克莱霍恩，C.W。；舍佩尔斯，C。；Engelbrecht，A.P.，《多目标多引导粒子群优化算法的稳定性分析》，（第十一届群智能国际会议论文集，11172（2018），ANTS），201-212
[5] 科埃罗，C.C.A。；Lechuga，M.，MOPSO:多目标粒子群优化方案，（IEEE进化计算大会论文集，2（2002）），1051-1056
[6] 科埃罗，C.C.A。；Pulido，G。；Lechuga，M.，用粒子群优化处理多目标，IEEE进化计算汇刊，8256-279（2004）
[7] Deb，K.，使用进化算法的多目标优化（2001），威利：威利奇切斯特，英国·Zbl 0970.90091号
[8] Del，V.Y。；Venayagamoorthy，G.K。；Mohagheghi，S。；赫尔南德斯，J.C。；Harley，R.G.，《粒子群优化：电力系统中的基本概念、变体和应用》，IEEE进化计算汇刊，12，171-195（2008）
[9] Donald，M.，《空间插值：概述》，17-28（1994），Geoderma
[10] Elbes，M。；阿尔祖比，S。；Kanan，T。；Al-Fuqaha，A。；Hawashin，B.，《以工程和网络应用为重点的粒子群优化调查》，《进化智能》，第12期，第113-129页（2019年）
[11] Engelbrecht，A.P.，《无约束粒子的漫游行为》（金砖国家计算智能大会和巴西第十一届计算智能大会会议记录（2013年））
[12] Han，H.G。；卢·W。；乔，J.F.，基于多种自适应方法的自适应多目标粒子群优化，IEEE控制论汇刊，472754-2767（2017）
[13] Han，H.G。；卢·W。；张，L。；乔，J.F.，自适应梯度多目标粒子群优化，IEEE控制论汇刊（2017）
[14] 赫尔维格，S。；Wanka，R.，《初始粒子群行为的理论分析》，（自然并行问题解决国际会议论文集，5199（2008）），889-898
[15] 胡晓华。；Shi，Y.H。；Eberhart，R.，粒子群的最新进展，（IEEE进化计算大会论文集，1（2004）），90-97
[16] 江，M。；罗永平。；Yang，S.Y.，标准粒子群优化算法的随机收敛分析和参数选择，《信息处理快报》，102，8-16（2007）·Zbl 1184.68621号
[17] Kaucic，M.，使用多目标粒子群优化的基数约束和风险平价控制的股票投资组合管理，计算机与运筹学，109300-316（2019）·Zbl 1458.91195号
[18] 肯尼迪，J。；Eberhart，R.，粒子群优化（IEEE神经网络国际会议论文集，4（1995）），1942-1948
[19] 李，J。；Andrew，H.，《环境科学家空间插值方法综述》（2008），澳大利亚地球科学，GeoCat68229技术报告
[20] 李·T。；Yang，B.，《电力系统经济调度中的多目标粒子群优化算法综述》，《国际仿真杂志：系统、科学与技术》，17，1-5（2016）
[21] 李·T。；杨，B。；Liu，D.，多目标粒子群优化算法在智能电网中的应用：综合调查，Telkomnika（电信计算电子与控制），14228-287（2016）
[22] 林庆珍。；李建清。；杜振华。；Chen，J.Q。；Zhong，M.，一种具有多搜索策略的新型多目标粒子群优化算法，《欧洲运筹学杂志》，247732-744（2015）·Zbl 1346.90742号
[23] 刘，H。；Wang，Y。；Tu，L.P。；Ding，G.Y。；Hu，Y.H.，用于大规模数值优化和工程设计问题的改进粒子群优化，智能制造杂志（2018）
[24] 刘，R.C。；Li，J.X。；范，J。；Mu，C.H。；Jiao，L.C.，基于多温粒子群优化的动态多目标优化协同进化技术，《欧洲运筹学杂志》，2611028-1051（2017）·Zbl 1403.90611号
[25] Loève，M.，概率论I（1977年），Springer-Verlag:Springer-Verlag纽约，1977年·兹比尔0359.60001
[26] Marichelvam，M.K。；Geetha，M。；托森。，用于解决受人为因素影响的混合流水车间调度问题的改进粒子群优化算法——案例研究，计算机与运筹学（2020年）·Zbl 1458.90331号
[27] N.A.穆巴耶德。；彼得罗夫斯基，A。；McCall，J.，D^2MOPSO:基于分解和优势的MOPSO，使用目标和解决方案空间中的拥挤距离进行归档，IEEE进化计算汇刊，22，47-77（2014）
[28] Poli，R.，《粒子群优化算法的抽样分布及其稳定性》（2007），埃塞克斯大学计算机科学系，技术报告CSM-465
[29] Poli，R.，粒子群优化器停滞期间采样分布的平均值和方差，IEEE进化计算汇刊，13712-721（2009）
[30] 雷耶斯·塞拉，M。；Coello，C.C.A.，《多目标粒子群优化器：最新技术的调查》，《国际计算智能研究杂志》，2287-308（2006）
[31] 史J.L。；张杰。；王凯。；Fang，X.，分装配送车辆路径问题的粒子群优化，《亚洲太平洋运筹学杂志》（2018）·Zbl 1393.90016号
[32] Shi，Y.H。；Eberhart，R.C.，粒子群优化的实证研究，（进化计算大会论文集（1999）），1945-1950
[33] Sun，J。；吴晓杰。；瓦西里，P。；魏，F。；赖，C.H。；Xu，W.B.，量子粒子群优化的收敛分析与改进，信息科学，193，81-103（2012）
[34] Tian，D.P.，《粒子群优化收敛性分析综述》，《国际网格与分布式计算杂志》，6，117-128（2013）
[35] 特里帕蒂，P.K。；Bandyopadhyay，S。；Pal，S.K.，具有时变惯性和加速度系数的多目标粒子群优化，信息科学，1775033-5049（2007）·兹比尔1121.90130
[36] 范登伯格，F。；Engelbrecht，A.P.，粒子群优化器的收敛证明，《基础信息》，105，341-374（2010）·Zbl 1211.90320号
[37] Xu，G.，粒子群优化算法的自适应参数调整，应用数学与计算，2194560-4569（2013）·Zbl 1401.90277号
[38] 徐，G。；Yang，Y.Q。；刘，B.B。；Xu，Y.H。；Wu，A.J.，带多目标二分法线搜索的高效混合多目标粒子群优化，计算与应用数学杂志，280，310-326（2015）·Zbl 1309.90128号
[39] 徐，G。；Yu，G.S.，《粒子群优化算法的收敛性分析》，《计算与应用数学杂志》，33365-73（2018）·Zbl 1388.90129号
[40] 袁，Q。；Yin，G.，使用随机近似方法分析粒子群优化算法的收敛性和收敛速度，IEEE Transactions Automatic Control，601760-1773（2015）·Zbl 1360.90312号
[41] Zhang，Y.D。；Wang，S.H。；Gen，L.，《粒子群优化算法及其应用的综合综述》，《工程中的数学问题》，2015，1-38（2015）·Zbl 1394.90588号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。