一种基于健康度的多目标粒子群算法

摘要：

提出了一种基于健康度的多目标粒子群算法(HMOPSO):将粒子健康度引入到多目标粒子群算法中,通过动态监测粒子健康度对健康度较低的粒子进行变异操作,在保证健康粒子继续向Pareto前沿靠近的同时,有效避免了粒子早熟,提高了种群的多样性;采用外部归档集来存储非支配解,从外部归档集中随机选择一个优秀的粒子作为全局最优粒子,以有效地提升算法的收敛性;采用动态拥挤距离来维护外部归档集,避免外部归档集中的粒子过于稀疏,提高Pareto解集的多样性与均匀性.通过3个不同维数的经典多目标测试函数对其进行测试,并与多目标粒子群优化算法(MOPSO)结果进行比较,试验结果表明,HMOPSO所得的Pareto前沿比MOPSO更加均匀.

关键词：多目标优化、粒子群算法、Pareto前沿、健康度

所属期刊栏目：16

分类号：O211.5(概率论与数理统计)

资助基金：国家自然科学基金项目 61673006

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84