基于K-Means全局引导策略的多目标微粒群算法
提出了一种基于K-means全局引导策略的多目标微粒群算法(KMOPSO),通过K-means算法从归档集中选出K个均匀分布的非支配粒子作为全局最优引导,以保证种群中的粒子向整个Pareto前端移动,提高解的多样性.用基于最近邻居的剪枝算法控制归档集规模,同时保证其中非支配解的多样性.引入变异策略来加强算法的局部搜索能力,避免早熟收敛.用5个经典函数进行了仿真测试,实验结果表明,该算法能有效地解决多目标优化问题,不但能收敛于Pareto最优前端,而且在解的多样性方面优于改进的非劣分类遗传算法和基于拥挤距离的多目标微粒群算法.
微粒群算法、多目标优化、K-means算法
35
TP18(自动化基础理论)
国家高技术研究发展计划2009AA04Z120;中国高校基本科研业务费项目2009RC0208
2012-12-17(万方平台首次上网日期,不代表论文的发表时间)
49-53