面向多目標(biāo)優(yōu)化的群智能算法研究.pdf

1、針對(duì)連續(xù)型變量與離散型變量的多目標(biāo)優(yōu)化問題，分別提出基于博弈策略的多目標(biāo)粒子群優(yōu)化算法和面向旅行商問題(TSP)的協(xié)同進(jìn)化粒子群優(yōu)化算法。圍繞群智能算法的優(yōu)化原理與多目標(biāo)優(yōu)化問題的求解模型，論文的主要研究成果概括為： (1)根據(jù)博弈論的思想，提出一種基于博弈策略的多目標(biāo)粒子群優(yōu)化算法，將目標(biāo)函數(shù)看作智能體引領(lǐng)個(gè)體往各自有利的方向搜索，它們根據(jù)自身的效應(yīng)函數(shù)制定不同的搜索策略。從理論上分析了基于博弈策略的多目標(biāo)粒子群優(yōu)化算法的收斂

2、性質(zhì)，通過多個(gè)基準(zhǔn)測試算例，對(duì)算法的性能進(jìn)行驗(yàn)證，結(jié)果表明算法是有效的。 (2)基于協(xié)同進(jìn)化的思想，提出了一種面向TSP問題的協(xié)同進(jìn)化粒子群算法(N-EPSO)，結(jié)合一種適合TSP問題與粒子群算法的特殊編碼方案，在此基礎(chǔ)上新定義了兩個(gè)粒子間的位置“加法”運(yùn)算，替換原來的速度方程，以實(shí)現(xiàn)粒子間的信息交換，然后增加一個(gè)變異算子，用來保持種群的多樣性，防止早熟收斂。 (3)進(jìn)一步改進(jìn)N-EPSO算法的性能，基于蟻群算法的局部信

3、息素更新原理和模擬退火算法的擾動(dòng)算子組成新的變異算子，在算法的收斂速度和保持種群多樣性上取得平衡，提升了算法的性能。 (4)針對(duì)多目標(biāo)TSP問題的優(yōu)化模型，綜合上述算法并做相應(yīng)的優(yōu)化調(diào)整，應(yīng)用到多目標(biāo)TSP問題的優(yōu)化求解中，引進(jìn)歸檔集，保存當(dāng)前搜索到的Pareto最優(yōu)解，通過仿真實(shí)驗(yàn)對(duì)算法進(jìn)行驗(yàn)證。 粒子群算法作為一種新興的進(jìn)化優(yōu)化方法，能夠大大減輕復(fù)雜的大規(guī)模多目標(biāo)優(yōu)化問題的計(jì)算負(fù)擔(dān)，本文的研究工作對(duì)研究多目標(biāo)粒子群優(yōu)