基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法

摘要：

针对多目标粒子群优化算法全局最优位置选取存在的缺陷和局部搜索能力弱的缺点,提出一种基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法MOPSO-GL.首先对Sigma法进行改进,引入拥挤距离机制,不再是粒子从档案中选择全局最优位置,而是档案成员从种群中选择合适的被引导粒子,引导种群均匀快速地向Pareto前沿飞行,提高了Pareto解的收敛性和多样性;其次当种群寻优能力减弱时,引入基于Skew Tent映射的变尺度全面搜索混沌优化策略对外部档案进行局部搜索,以提高算法的收敛性;最后通过与其他多目标优化算法的比较,结果表明MOPSO-GL具有更好的收敛性和分布性.

关键词：粒子群优化、多目标优化、全局最优位置、局部搜索

所属期刊栏目：34

分类号：TP18;TP301.6(自动化基础理论)

资助基金：国家自然科学基金资助项目50777066

在线出版日期：2014-05-04（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：1074-1079