×
吴忠强;谢宗奎

一种基于多智能体的多目标狮群优化方法。 （英语） Zbl 1524.90350号

J.工业管理。最佳方案。 第2期第19页，1447-1458（2023）.
摘要：针对工程实践中日益复杂的多目标优化问题，提出了一种基于多智能体的多目标狮子群优化算法（MOMALSO）。首先，将多智能体系统引入狮子群优化算法。集成了LSO的优化机制和代理之间的信息交换，以增强算法的局部搜索和全局搜索能力，并且自学习操作可以加速算法获得的接近真实前沿的近似Pareto前沿。此外，引入外部存档，将LSO扩展为多目标算法。最后，与其他三种算法进行了仿真比较，结果表明，MOMALSO算法在收敛性和覆盖性方面都具有显著的优势，验证了该算法在多目标优化中的优越性和有效性。

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
90C26型 非凸规划，全局优化

关键词：

多目标优化;狮子群优化;多智能体系统;非支配排名

软件：

穆阿洛;MOGWO公司;ALO公司;SPEA2公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.Wu}和\textit{Z.Xie}，J.Ind.Manag。最佳方案。19，第2号，1447--1458（2023；Zbl 1524.90350）
全文： 内政部

参考文献：

[1] R.R.K.B.Akbari Akbari-Ziarati Hassanizadeh，多目标人工蜂群算法，Swarm and Evolutionary Computation，239-52（2012）·doi:10.1016/j.swevo.2011.08.001
[2] D.W.N.R.J.D.M.J.Corne Jerram Knowles Oates，PESA-Ⅱ：进化多目标优化中的基于区域的选择，遗传与进化计算会议（2001）
[3] K.A.S.T.Deb Pratap Agarwal Meyarivan，快速精英多目标遗传算法：NSGA-Ⅱ，IEEE进化计算汇刊，6182-197（2002）·数字对象标识代码：10.1109/4235.996017
[4] J.D.D.W.Knowles Corne，使用帕累托存档进化策略逼近非支配前沿，进化计算，8149-172（2000）
[5] S.Y.Y.Liu Yan Zhou，解0-1背包问题的二进制狮子温暖算法，计算机工程与科学，412079-2087（2019）·doi:10.3969/j.issn.1007-130X.2019.11.024
[6] S.J.Y.Y.Q.刘彦周，群智能算法-群优化，模式识别与人工智能，31431-441（2018）·doi:10.16451/j.cnki.issn1003-6059.201805005
[7] S.S.M.Mirjalili Saremi Mirjallili，《多目标灰狼优化器：一种新的多准则优化算法》，《应用专家系统》，47，106-119（2016）·doi:10.1016/j.eswa.2015.10.39
[8] S.P.S.Mirjalili Jangir Saremi，《多目标蚁狮优化器：解决工程问题的多目标优化算法》，应用智能，46，79-95（2017）·doi:10.1007/s10489-016-0825-8
[9] S.P.S.Z.S.I.N.Mirjalili Jangir-Mirjalili Saremi Trivedi，使用多元优化算法优化多目标问题，基于知识的系统，134，50-71（2017）·doi:10.1016/j.knosys.2017.07.018
[10] N.K.Srinivas Deb，遗传算法中使用非支配排序的多目标优化，进化计算，221-248（1994）
[11] Y.P.Wu Zhang，基于多目标优化的配电网绝缘监测框架共模（CM）电流传感器节点设计，IEEE工业信息学汇刊，1733836-3846（2021）·doi:10.1109/TII.2020.3014995
[12] Z.Z.C.Wu Xie Liu，用于光伏电池模型参数识别的改进狮子群优化，计量控制研究所学报，42，1191-1203（2020）·doi:10.1177/0142331219887844
[13] C·F·J·C·G·谢张路·小龙，基于多协作策略的多目标萤火虫算法，电子学报，47，2359-2367（2019）·doi:10.3969/j.issn.0372-2112.20119.11.018
[14] J.X.H.Z.X.杨厚翠胡牧，基于集成乘法策略的改进多目标粒子群优化算法，控制与决策，33，226-234（2018）·Zbl 1413.90242号 ·doi:10.13195/j.kzyjc.2016.1451
[15] B.Y.Zhao Cao，一种多智能体粒子群优化算法，CSEE论文集，25，3-9（2005）
[16] Q.Zhang、A.Zhou和S.Zhao，CEC 2009年特别会议和竞赛的多目标优化测试实例，埃塞克斯：埃塞克斯大学, 2008.
[17] A.Q.G.Zhou Zhang Zhang，基于混合高斯模型的多目标进化算法，软件杂志，25913-928（2014）·Zbl 1313.90217号 ·doi:10.13328/j.cnki.jos.004514
[18] E.L.Zitzler Thiele，《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，3，257-271（1999）
[19] E.M.L.Zitzler Laumanns Thiele，SPEA2：改进强度pareto进化算法，设计、优化和控制的进化方法及其在工业问题中的应用，95-100（2002）
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。