改进的多目标粒子群优化方法
为了提高多目标粒子群算法(MOPSO)在Pareto前沿的收敛性和分布性,对传统MOPSO方法进行了改进.首先采用基于Pareto支配概念的适应值比例方法选择gbest,其次利用动态拥挤距离更新外部精英集,并通过对精英种群执行遗传操作,最后在粒子种群引入自适应的淘汰机制,加强粒子种群和精美种群的进化.典型测试函数的计算结果表明,该算法在收敛精度和分布性方面得到明显改善.
粒子群算法、多目标优化、Pareto支配、动态拥挤距离、遗传操作、自适应淘汰
31
TP306.1(计算技术、计算机技术)
国家自然科学基金项目60763012;广西师范学院教师前期基础研究基金项目1003A005
2010-08-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
2846-2848,2852