Juan J.Durillo。;安东尼奥·内布罗。;何塞·加西亚·尼托;恩里克·阿尔巴 关于多目标粒子群优化算法中的速度更新。 （英语） Zbl 1187.90251号 Coello Coello，Carlos A.（编辑）等人，《多目标自然启发计算的进展》。柏林：施普林格出版社（ISBN 978-3-642-11217-1/hbk；978-3-442-11218-8/电子书）。计算智能研究27245-62（2010）。 摘要：粒子群优化（PSO）自诞生以来，由于其简单性和快速收敛性，已成为解决优化问题的一种非常流行的技术。在过去的几年里，有很多建议将其扩展到处理多个目标。尽管它们中的许多保持了原始算法的相同特性，但在处理一些多模态问题（即具有多个次优前沿解的问题）的优化时，它们面临困难。最近的研究表明，这种缺点可能与粒子的速度有关：不受控制的高速可能对粒子的运动没有影响。虽然对专业文献的许多贡献都集中在群体领导者的选择上，但在多目标领域，关于控制粒子速度的不同方案的研究很少。在这项工作中，我们研究了不同的机制，以提高多目标PSO算法的搜索能力，从而更新每个粒子的速度。我们的实验表明，在处理困难的优化问题时，一些修改有助于克服先前建议中观察到的困难。关于整个系列，请参见[邮编：1183.90006]. 引用于1文件 MSC公司： 90C29型 多目标规划 90 C59 数学规划中的近似方法和启发式 关键词：粒子的速度;搜索功能 软件：SMPSO公司 PDF格式BibTeX公司 XML格式引用 \textit{J.J.Durillo}等人，《研究与计算》。智力。272、45-62（2010年；Zbl 1187.90251） 全文： 内政部 链接