SMPSO公司

多目标粒子群优化算法的实验比较。粒子群优化算法(PSO)自20世纪90年代中期首次出现以来,在优化研究领域受到越来越多的关注,在多目标优化方面,已有相当多的基于多目标粒子群优化算法(MOPSOs)的研究成果。不幸的是,没有实验比较,以澄清哪个MOPSO版本显示最佳性能。本文使用一个由三个著名问题族(ZDT、DTLZ和WFG)组成的基准测试工具,分析了六个具有代表性的最新mopso,即NSPSO、SigmaMOPSO、OMOPSO、AMOPSO、mopsop和CLMOPSO。此外,我们还提出了一种新的MOPSO算法,称为SMPSO,其特点是包含了一个速度约束机制,在其他算法性能不理想的情况下获得了有希望的结果


参考文献,1标准件)

显示第1到第20个结果,共20个。
按年份排序(引用)

  1. 何兆双;陈燕华;尚志浩;李彩红;李彩红;徐明亮:基于移动窗口和多目标粒子群优化算法的新型风速预测模型(2019)
  2. Patanè,Andrea;Santoro,Andrea;Romano,Vittorio;La Magna,Antonino;Nicosia,Giuseppe:通过帕累托优化提高薄膜硅太阳能电池的量子效率(2018)
  3. Liu,Chao;Yan,Bai;Gao,Yang:一种新的基于超体积的差分进化算法用于多目标优化(2017)
  4. Salgueiro,Yamisleydi;Toro,Jorge L.;Bello,Rafael;Falcon,Rafael:多目标变量网格优化(2017)
  5. Schlünz,E.B.;Bokov,P.M.;van Vuuren,J.H.:解决受限堆芯燃料管理优化问题的多目标元启发式比较研究(2016年)
  6. Smairi,Nadia;Siarry,Patrick;Ghedira,Khaled:基于部落和禁忌搜索的多目标优化混合粒子群方法(2016)
  7. Yang,Zhi;Liu,Cungen;Wang,Xuefeng;Qian,Weixin:一种改进的多目标粒子群优化算法(2016)
  8. Yun,Yeboon;Nakayama,Hirotaka;Yoon,Min:使用广义DEA和PSO生成帕累托最优解(2016)
  9. 周迪;李亚军;蒋斌;王军:基于环模型的多目标量子行为粒子群优化算法(2016)
  10. Knight,Joshua T.;Singer,David J.;Collette,Matthew D.:多目标粒子群优化中促进多样性的扩展机制测试(2015)
  11. 林秋珍;李建强;杜志华;陈建勇;明中:一种多搜索策略的多目标粒子群优化算法(2015)
  12. Alves,Maria João;Costa,João Paulo:基于粒子群优化的多目标双层线性问题算法(2014)
  13. 戴,蔡;王玉萍;叶,苗:一种基于收缩法的多目标优化问题进化算法(2014)
  14. 何晓光;戴,蔡;陈泽华:一种新的排序方法——基于自适应差分进化的多目标优化(2014)
  15. 基于多目标优化的王健(2013)ioport公司
  16. Yun,Yeboon;Nakayama,Hirotaka:在多目标遗传算法中利用预期改进和广义数据包络分析(2013)
  17. Chakraborty,Prithwish;Das,Swagatam;Roy,Gourab Ghosh;Abraham,Ajith:多目标粒子群优化算法的收敛性(2011)
  18. Durillo,J.J.;Nebro,A.J.;Luna,F.;Coello,C.A.Coello;Alba,E.:多目标元启发式的收敛速度:效率标准和实证研究(2010年)
  19. Durillo,Juan J.;Nebro,Antonio J.;García-Nieto,José;Alba,Enrique:多目标粒子群优化程序中的速度更新(2010)
  20. Durillo,Juan J.;García-Nieto,José;Nebro,Antonio J.;Coello,Carlos a.Coello;Luna,Francisco;Alba,Enrique:多目标粒子群优化程序:实验比较(2009)ioport公司