改進多目標粒子群優(yōu)化算法的實現(xiàn)及應(yīng)用.pdf

1、現(xiàn)實生活中人們在解決一個問題的時候往往需要平衡多個方面的利益，因此多目標優(yōu)化問題一直都是一個熱點研究話題。粒子群優(yōu)化算法因為其簡便有效的算法模型、方便易操作的調(diào)節(jié)參數(shù)、快速尋優(yōu)的特性和較強的全局尋優(yōu)能力，一直受到廣泛的關(guān)注。但隨著優(yōu)化目標復(fù)雜度的提高，傳統(tǒng)粒子群算法還是存在一定的局限性。譬如在保證粒子群算法優(yōu)良的收斂速度的時候很難確保粒子的多樣性，解決多峰值目標函數(shù)，有較多局部最優(yōu)點的情況下，粒子群算法自身固有的搜索機制就限制了算法搜索

2、到最優(yōu)解的能力。
　　本文通過對粒子群算法的初始化部分，速度、位置更新模型，檔案維護機制，決策向量變化的特征，判斷非劣關(guān)系對檔案保存粒子的影響等每一個細節(jié)的分析，尋找阻礙算法的收斂速度，尋優(yōu)能力以及破壞算法多樣性的因素，根據(jù)不同機制的局限性提出改進策略。
　　針對粒子群算法多樣性方面的不足，提出以下幾點改進。1、根據(jù)對外部檔案在不同時期粒子密度的差別，分別采用柵格機制和擁擠距離精英策略來維護外部檔案，簡化分割目標空間的算法復(fù)

3、雜度，保證維持粒子多樣性的同時不會影響算法的迭代速度;2、修改粒子速度更新模型，加入少量擾動，避免因為種群對全局最優(yōu)解的過分依賴而產(chǎn)生扎堆現(xiàn)象;3、設(shè)計非劣粒子選擇機制，實時監(jiān)測外部檔案中粒子的狀況，如果出現(xiàn)陷入局部極值點的可能，則混合新粒子加入種群中，來協(xié)助原種群在決策空間中產(chǎn)生更多解的可能性。提出了IMOPSO改進算法。
　　在解決復(fù)雜多峰優(yōu)化問題的時候，粒子群算法本身的搜索能力較弱?；谥苯铀阉鞣ǖ乃枷牒透咚棺儺愃阕樱岢鲆?/p>