面向多目標優(yōu)化的群智能算法研究.pdf

1、針對連續(xù)型變量與離散型變量的多目標優(yōu)化問題，分別提出基于博弈策略的多目標粒子群優(yōu)化算法和面向旅行商問題(TSP)的協(xié)同進化粒子群優(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粒子群優(yōu)化算法，將目標函數(shù)看作智能體引領個體往各自有利的方向搜索，它們根據(jù)自身的效應函數(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粒子群優(yōu)化算法的收斂

2、性質，通過多個基準測試算例，對算法的性能進行驗證，結果表明算法是有效的。 (2)基于協(xié)同進化的思想，提出了一種面向TSP問題的協(xié)同進化粒子群算法(N-EPSO)，結合一種適合TSP問題與粒子群算法的特殊編碼方案，在此基礎上新定義了兩個粒子間的位置“加法”運算，替換原來的速度方程，以實現(xiàn)粒子間的信息交換，然后增加一個變異算子，用來保持種群的多樣性，防止早熟收斂。 (3)進一步改進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)針對多目標TSP問題的優(yōu)化模型，綜合上述算法并做相應的優(yōu)化調整，應用到多目標TSP問題的優(yōu)化求解中，引進歸檔集，保存當前搜索到的Pareto最優(yōu)解，通過仿真實驗對算法進行驗證。 粒子群算法作為一種新興的進化優(yōu)化方法，能夠大大減輕復雜的大規(guī)模多目標優(yōu)化問題的計算負擔，本文的研究工作對研究多目標粒子群優(yōu)