融合分区和局部搜索的多模态多目标优化

摘要：

为解决多模态多目标优化中种群多样性维持难和所得等价解数量不足问题,基于分区搜索和局部搜索,本研究提出一种融合分区和局部搜索的多模态多目标粒子群算法(multimodal multi-objective particle swarm optimization combing zoning search and local search,ZLS-SMPSO-MM).在所提算法中,整个搜索空间被分割成多个子空间以维持种群多样性和降低搜索难度;然后,使用已有的自组织多模态多目标粒子群算法在每个子空间搜索等价解和挖掘邻域信息,并利用局部搜索能力较强的协方差矩阵自适应算法对有潜力的区域进行精细搜索.通过14个多模态多目标优化问题测试,并与其他5种知名算法进行比较;实验结果表明ZLS-SMPSO-MM在决策空间能够找到更多的等价解,且整体性能要好于所比较算法.

关键词：多模态多目标优化;分区搜索;局部搜索;协方差矩阵自适应策略;种群多样性;等价解;多模态多目标粒子群算法

所属期刊栏目：16

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金项目;中国博士后科学基金项目

在线出版日期：2021-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：774-784