基于目标空间分解和连续变异的多目标粒子群算法
针对当前多目标粒子群优化算法收敛性和多样性不佳等问题,提出了一种基于目标空间分解和连续变异的多目标粒子群优化算法.利用目标空间分解方法将粒子群分配到预先设定好的子区域中,在该过程中,通过一种新适应值公式来对每个子区域中的粒子进行择优筛选,该适应值公式融入了支配强度因素;在全局搜索过程中,使用差分变异、高斯变异和柯西变异对全局引导粒子的位置进行连续变异操作.将该算法与当前主流的一些多目标优化算法进行对比实验,结果表明,本文提出的算法在提高粒子收敛性的同时,多样性也得到了提升.
多目标优化、粒子群优化算法、分解、子区域、变异、差分、高斯变异、柯西变异
14
TP391.4(计算技术、计算机技术)
江苏省普通高校研究生科研创新计划项目KYLX16_0781,KYLX16_0782;江苏高校优势学科建设工程资助项目
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
464-470