多角色多策略多目标粒子群优化算法

摘要：

针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题,提出多角色多策略多目标粒子群优化算法(MOPSO_RS).该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色;提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法,帮助种群执行各种搜索策略.不同的学习参数使各角色粒子获得不同的搜索策略,以调整粒子的探索和开发能力.不同的全局最优粒子使各角色粒子搜索不同区域,提高种群的搜索效率.为了避免算法陷入局部最优,引入带有高斯函数的变异算子,使粒子根据其角色朝向不同的全局最优粒子变异,提高算法的求解精度.实验结果表明,对比其他改进多目标算法,MOPSO_RS具有良好的收敛性和多样性,并验证了所提策略的有效性.

关键词：多角色、多目标优化、粒子群优化算法、多策略、收敛性、多样性

所属期刊栏目：56

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61873240

在线出版日期：2022-04-08（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：531-541