×
冯一雄;郑冰;李仲恺

用于多目标设计优化的排序粒子群优化算法的探索性研究。 （英语） Zbl 1207.90073号

数学。计算。建模 第52号，编号11-12196-1975（2010）.
摘要：针对多目标粒子群优化算法存在的全局搜索能力低、Pareto最优集多样性不足等问题，提出了一种基于拥挤距离排序的多目标微粒群优化算法。在进化过程中，保存外部种群来存储非支配个体。外部种群的收缩是基于个体的拥挤距离按降序排序来实现的，它删除了拥挤区域中多余的个体。选择具有相对较大拥挤距离的个体作为全局最佳，以引导粒子进化到分散区域。将个体之间的显性关系与约束Pareto显性进行比较，以体现无外部参数的约束。六个标准无约束测试问题的实验表明，新算法在收敛到真实帕累托前沿和保持种群多样性方面与NSGA-II和SPEA2具有竞争力。通过求解三个约束测试问题，证明了该算法对约束问题的有效性。此外，通过数值实验分析了变异率和惯性权重的最佳取值范围，以保证算法的稳定收敛。

引用于1文件

MSC公司：

90B90型 运筹学中的案例研究
90 C59 数学规划中的逼近方法和启发式方法

关键词：

多目标粒子群优化;多目标进化算法;拥挤距离;帕累托最优集;标准测试问题

软件：

SPEA2公司;NSPSO公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Feng}等人，数学。计算。模型52，编号11--121966--1975（2010；Zbl 1207.90073）
全文： 内政部

参考文献：

[1] Forouraghi，B.，使用多目标粒子群优化器的最优公差分配，《国际先进制造技术杂志》，44，7-8，710-724（2009）
[2] Schaffer，J.D.，《采用矢量评估遗传算法的多目标优化》，（Grefenstette，John J.，《第一届遗传算法国际会议论文集》（1985年），劳伦斯·埃尔鲍姆联合公司：劳伦斯·埃尔鲍姆联合公司，马哈瓦），93-100·Zbl 0676.68047号
[3] Knowles，J.D。；Corne，D.W.，使用帕累托存档进化策略逼近非支配锋面，进化计算，8，2，149-172（2000）
[4] Srinivas，N。；Deb，K.，遗传算法中使用非支配排序的多目标优化，进化计算，2，3，221-248（1994）
[5] Zitzler，E。；Thiele，L.，《多目标进化算法：比较案例研究和强度Pareto方法》，IEEE进化计算汇刊，3，4，257-271（1999）
[6] Deb，K。；普拉塔布，A。；阿加瓦尔，S。；MeyArivan，T.，一种快速且精英的多目标遗传算法：NSGA-II，IEEE进化计算汇刊，6，2182-197（2002）
[7] E.Zitzler，M.Laumanns，L.Thiele，SPEA2:改进强度Pareto进化算法，瑞士联邦理工学院，技术代表：1032001。；E.Zitzler，M.Laumanns，L.Thiele，SPEA2：改进强度Pareto进化算法，瑞士联邦理工学院，技术代表：1032001。
[8] J.Kennedy，R.C.Eberhart，《粒子群优化》，摘自：Proc。IEEE中性网络国际会议，第4卷，澳大利亚，1995年，第1942-1948页。；J.Kennedy，R.C.Eberhart，《粒子群优化》，摘自：Proc。IEEE中性网络国际会议，第4卷，澳大利亚，1995年，第1942-1948页。
[9] Yen，G.G。；Leong，W.F.，多目标粒子群优化中的动态多群，IEEE Transactions Systems，Man，and Control netics Part A：Systems and Humans，39，4，890-911（2009）
[10] 科埃罗，C.A。；普利多，G.T。；Lechuga，M.S.，用粒子群优化处理多目标，IEEE进化计算汇刊，8，3，256-279（2004）
[11] S.Bird，X.Li，《增强基于物种的粒子群优化算法的鲁棒性》，摘自：Proc。恭喜。进化。计算。，加拿大不列颠哥伦比亚省温哥华，2006年，第3185-3192页。；S.Bird，X.Li，《增强基于物种形成的粒子群算法的稳健性》，载：Proc。恭喜。进化。计算。，加拿大不列颠哥伦比亚省温哥华，2006年，第3185-3192页。
[12] Wang，L。；Liu，Y.S。；徐永清，多目标粒子群优化中的在线精英存档，北京理工大学学报，26，10，883-886（2006）·Zbl 1152.90602号
[13] G.T.Pulido，C.A.Coello，《使用聚类技术提高粒子群优化器的性能》，摘自：Proc。遗传进化。计算。Conf.，西雅图，华盛顿州，2004年，第225-237页。；G.T.Pulido，C.A.Coello，《使用聚类技术提高粒子群优化器的性能》，摘自：Proc。遗传进化。计算。Conf.，西雅图，华盛顿州，2004年，第225-237页。
[14] Ho，S.L。；Yang，S。；镍、石墨。；Lo，E.，基于粒子群优化的多目标设计优化方法，IEEE磁学汇刊，41，5，1756-1759（2005）
[15] T.布莱克威尔。；Branke，J.，动态环境中的多重群、排除和反收敛，IEEE进化计算汇刊，10，4，459-472（2006）
[16] X.D.Li，用于多目标优化的非支配排序粒子群优化器，收录于：E.Cantu-Paz等人（编辑），《过程遗传和进化计算？GECCO 2003——第一部分，第7卷，见：LNCS，第2723卷，德国柏林，2003年，第37-48页。；X.D.Li，用于多目标优化的非支配排序粒子群优化器，收录于：E.Cantu-Paz等人（编辑），《过程遗传和进化计算？GECCO 2003——第一部分，第7卷，见：LNCS，第2723卷，德国柏林，2003年，第37-48页·Zbl 1028.68827号
[17] 熊，S.W。；刘，L。；王，Q。；Shi，M.，改进的多目标粒子群算法，武汉大学学报（自然科学版），51，3，308-312（2005）·Zbl 1108.90049号
[18] 阿尔瓦雷斯·贝尼特斯，J.E。；埃弗森，R.M。；Fieldsend，J.E.，一种完全基于Pareto优势概念的MOPSO算法，（进化多准则优化-第三届国际会议，进化多准则最优化-第三次国际会议，EMO 2005。进化多准则优化第三届国际会议。进化多准则优化——第三届国际会议，EMO 2005，LNCS，第3410卷（2005）），459-473·Zbl 1109.68584号
[19] A.Passaro，A.Starita，多峰函数优化的聚类粒子，in：Proc。ECAI研讨会演变。计算。，Riva del Garda，意大利，2006年，第124-131页。；A.Passaro，A.Starita，用于多模态函数优化的聚类粒子，在：Proc。ECAI研讨会演变。计算。，Riva del Garda，意大利，2006年，第124-131页。
[20] Liu，D.S。；Tan，K.C。；Goh，C.K。；Ho，W.K.，基于粒子群优化的多目标记忆算法，IEEE系统汇刊，人与控制论，B部分：控制论，37，1，42-50（2007）
[21] Veldhuizen，D。；Lamont，G.B.，《多目标进化算法：分析最新技术》，IEEE进化计算汇刊，18，2，125-147（2000）
[22] Clerc，M。；Kennedy，J.，《粒子群：多维复杂空间中的爆炸稳定性和收敛性》，IEEE进化计算机学报，6，1，58-73（2002）
[23] Jin，X.L。；Ma，L.H。；刘，B。；Qian，J.X.，基于动态交换策略的快速多目标粒子群优化，电路与系统杂志，12，2，78-82（2007）
[24] K.Deb，L.Thiele，M.Laumanns，E.Zitzler，可扩展多目标优化测试问题，收录于：2002年进化计算大会会议记录，2002年，第825-830页。；K.Deb，L.Thiele，M.Laumanns，E.Zitzler，可扩展多目标优化测试问题，收录于：2002年进化计算大会议事录，2002年，第825-830页·Zbl 1078.90567号
[25] 张立波。；周，C.G。；马，M。；Sun，C.，基于最大最小距离密度的多目标差分进化算法，《计算机研究与发展杂志》，44，1，177-184（2007）
[26] K.Deb，S.Jain，使用多目标进化算法的多速变速箱设计，KanGAL第20012002号报告。；K.Deb，S.Jain，《使用多目标进化算法的多速变速箱设计》，KanGAL第20012002号报告。
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。