基于QPSO和拥挤距离排序的多目标量子粒子群优化算法
为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,提出一种基于量子行为特性的粒子群优化(QPSO)和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD)算法.MOQPSO-CD利用QPSO快速接近真实的Pareto最优解,同时引入高斯变异算予以增强解的多样性.采用拥挤距离排序的方法对外部存储器中最优解进行吏新和维护,使得从中选择的具有全局最优的领导粒子能够引导粒子群最终找到真实的Pareto最优解.仿真结果表明,MOQPSO-CD具有更好的收敛性和更均匀的分布性.
多目标优化、量子行为特性粒了群优化、拥挤距离、Pareto最优解
26
TP18(自动化基础理论)
国家自然科学基金60975075;教育部高等学校博士学科点基金20070288022;江苏省自然科学基金BK2008404
2011-07-19(万方平台首次上网日期,不代表论文的发表时间)
540-547