×
约书亚·T·奈特。；大卫·J·辛格。；马修·科莱特。

测试多目标粒子群优化中促进多样性的传播机制。 （英语） 兹比尔1364.90406

最佳方案。工程师。 16，第2期，279-302（2015）.
摘要：许多实际工程系统的设计涉及根据多个经常相互冲突的目标进行优化。本文针对具有两个目标的优化问题，开发了一种称为扩展多目标粒子群优化算法（SMOPSO）并进行了测试。SMOPSO的动机是促进在双目标粒子群优化中发现的解决方案的高度多样性。这是通过使用基于相邻粒子位置的扩散函数和基于粒子间距进行区分的存档控制器来实现的。扩散函数引导非支配粒子远离其最近的邻居，以在粒子“扩散”时获得均匀的空间解。为了测试这种方法是否确实能够改善Pareto前端分集，将SMOPSO与两个基准算法进行了性能比较。初步结果表明，对于有限的优化问题，所提出的算法可以改善解决方案的多样性，但以牺牲本文讨论的其他重要性能指标为代价。SMOPSO的性能会因更困难的优化问题而降低，例如具有多个前沿和窄全局最小值的优化问题。文中还给出了SMOPSO在双目标高速滑行艇理论设计问题中的应用实例。

引用于1文件

MSC公司：

90 C90 数学规划的应用
90 C59 数学规划中的近似方法和启发式
90C29型 多目标规划

关键词：

多目标优化；粒子群优化；帕累托优化；帕累托前沿多样性；滑行艇设计；工程设计

软件：

SMPSO公司
PDF格式BibTeX公司 XML格式引用
\textit{J.T.Knight}等人，Optim。Eng.16，No.2，279--302（2015；Zbl 1364.90406）
全文： 内政部

参考文献：

[1] Alvarez-benitez JE，Everson RM，Fieldsend JE（2005）一种完全基于Pareto优势概念的MOPSO算法。Evolut多标准优化3410:459-473·Zbl 1109.68584号 ·数字对象标识代码：10.1007/978-3-540-31880-432
[2] 巴雷拉，J。；Coello，CAC，《用于多模态优化的粒子群优化方法综述》，9-37（2009），柏林·doi:10.1007/978-3642-04225-62
[3] Blount DL，Fox DL（1976），小艇功率预测。3月技术13日（1）：14-45
[4] Clement EP，Blount DL（1963）系统系列船型的阻力试验。Trans-Soc海军Arch Mar Eng 71:491-579
[5] Coello CAC，Pulido G，Lechuga MS（2004），使用粒子群优化处理多个目标。IEEE Trans Evolut计算8（3）：256-279·doi:10.1109/TEVC.2004.826067
[6] Coello CAC、Lamont GB、Veldhuizen DA（2002）《解决多目标问题的进化算法》，第242卷。Kluwer学院，纽约·Zbl 1130.90002号 ·doi:10.1007/978-1-4757-5184-0
[7] Deb K（1999）多目标遗传算法：问题困难和测试问题的构造。Evolut计算机7（3）：205-230·doi:10.1162/evco.1999.7.3.205
[8] Deb K，Pratap A，Agarwal S，Meyarivan T（2002）一种快速的精英多目标遗传算法：NSGA-II。IEEE Trans Evolut计算6（2）：182-197·数字对象标识代码：10.1109/4235.996017
[9] Eberhart R，Kennedy J（1995）使用粒子群理论的新优化器。MHS’95。摘自：第六届微机械与人类科学国际研讨会论文集，IEEE，第39-43页
[10] Eberhart R，Shi Y（2001）《粒子群优化：发展、应用和资源》。摘自：进化补偿大会，第81-86页
[11] Esquivel SC，Coello CAC（2003）《粒子群优化在多峰函数中的应用》。摘自：进化计算大会，第1130-1136页
[12] Gies D，Rahmat-Samii Y（2004）矢量评估粒子群优化（VEPSO）：辐射计阵列天线的优化。收录于：IEEE天线与传播学会研讨会，2004年，IEEE，第3卷，第2297-2300页
[13] Hart C，Vlahopoulos N（2009）概念船舶设计的综合多学科粒子群优化方法。结构多学科优化41（3）：481-494·doi:10.1007/s00158-009-0414-0
[14] Hu X，Eberhart R（2002）使用动态邻域粒子群优化的多目标优化。摘自：2002年进化计算大会会议记录，IEEE，第1677-1681页
[15] Hu X，Eberhart R，Shi Y（2003）用于多目标优化的扩展记忆粒子群算法。2003年IEEE Swarm Intelligence研讨会论文集。SIS’03（目录号03EX706），IEEE，第193-197页
[16] Kennedy J（2000）定型：通过聚类分析改进粒子群性能。In:进化计算大会，第1507-1512页
[17] Kennedy J，Eberhart R（1995），粒子群优化。摘自：IEEE神经网络国际会议，第1942-1948页
[18] Knight JT、Zahradka FT、Singer DJ、Collette MD（2011）《不确定性滑行艇的多目标粒子群优化》。在：2011年国际快速海运会议，9月
[19] Liu B，Wang L，Jin YH，Tang F，Huang DX（2005）结合混沌的改进粒子群优化算法。混沌孤子分形25（5）：1261-1271·Zbl 1074.90564号 ·doi:10.1016/j.chaos.2004.11.095
[20] Liu S，Tang J，Song J（2006）钢板制造的顺序规划模型和算法。国际生产经济杂志100（1）：30-43·doi:10.1016/j.ijpe.2004.10.002
[21] Mostaghim S，Teich J（2003）在多目标粒子群优化（MOPSO）中寻找良好局部指导的策略。摘自：IEEE Swarm Intelligence Symposium，第26-33页
[22] Mostaghim S，Teich J（2004）《用多目标粒子群优化中的子序列覆盖帕累托最优前沿》。摘自：2004年进化计算大会会议记录，IEEE，第1404-1411页
[23] Nebro A、Durillo J、Garcia-Nieto J、Coello CAC、Luna F、Alba E（2009）SMPSO：一种新的基于PSO的多目标优化元启发式算法。2009年IEEE米尔蒂标准决策中的计算智能研讨会，IEEE，第2卷，第66-73页
[24] Ngatchou P，Zarei A，El Sharkawi A（2005）Pareto多目标优化。第13届电力系统智能系统应用国际会议记录，IEEE，第84-91页
[25] Parsopulos KE，Vrahatis MN（2002）多目标问题中的粒子群优化方法。摘自：2002年ACM应用计算研讨会论文集。SAC’02，美国纽约州纽约市ACM出版社，第3卷，第603页·Zbl 1018.68063号
[26] Parsopulos KE，Tasoulis DK，Vrahatis MN（2004）《使用并行向量评估粒子群优化的多目标优化》。In:IASTED国际人工智能与应用会议，第823-828页
[27] Reyes-Sierra M，Coello CAC（2006）《多目标粒子群优化器：最先进的调查》，《国际计算智能研究》2（3）：287-308
[28] Reyes-Sierra MR，Coello CAC（2005）使用拥挤、变异和电子优势改进基于PSO的多目标优化。进化多准则，优化pp 505-519·Zbl 1109.68631号
[29] Savitsky D（1964）滑行艇的水动力设计。3月技术1（1）：71-95
[30] Savitsky D（1985）《滑行艇》。海军工程J 97（2）：113-141·doi:10.1111/j.1559-3584.1985.tb03397.x
[31] Schott JR（1995）使用单准则和多准则遗传算法优化的容错设计。剑桥麻省理工学院博士论文
[32] Shi Y，Eberhart R（1998）一种改进的粒子群优化算法。摘自：IEEE进化计算国际会议，第69-73页
[33] Shi Y，Eberhart R（1999）粒子群优化的实证研究。In:进化计算大会，第1945-1950页·Zbl 1121.90130号
[34] Tripathi PK，Bandyopadhyay S，Pal SK（2007），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》177（22）：5033-5049·Zbl 1121.90130号 ·doi:10.1016/j.ins.2007.06.018
[35] Wagner H（1948）《船艇规划》。技术代表，NACA报告#1139，兰利研究中心
[36] Zitzler E，Deb K，Thiele L（2000）多目标进化算法的比较：实证结果。进化计算8（2）：173-195·数字对象标识代码：10.1162/106365600568202
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。