基于粒子群算法的多目標函數(shù)優(yōu)化問題研究.pdf

1、現(xiàn)實世界的優(yōu)化問題往往屬于多目標優(yōu)化問題,與單目標優(yōu)化不同,多個相互競爭目標的優(yōu)化結(jié)果是得到的是一組可行解,被稱作Pareto最優(yōu)解集.由于缺少喜好信息,Pareto最優(yōu)解集中找不到一個解比另一個解更好.另外,這些優(yōu)化問題大多有較高維的搜索空間,如使用精確的傳統(tǒng)方法解決多目標優(yōu)化問題會導(dǎo)致很高的時間復(fù)雜性.因此,設(shè)計高效的優(yōu)化算法來解決多目標優(yōu)化問題變得相當迫切而現(xiàn)實.粒子群優(yōu)化算法(PSO)是近幾年發(fā)展起來的群聚智能算法.該算法基于這

2、樣的假設(shè):群體中的各個粒子能夠從其過去的經(jīng)歷和其它粒子的經(jīng)歷得到有效的信息.和演化算法相比,該算法需要設(shè)置較少的參數(shù).實驗發(fā)現(xiàn),對于大多數(shù)優(yōu)化問題,其有更快的收斂速度.但是,對于將粒子群優(yōu)化算法運用于多目標函數(shù)優(yōu)化領(lǐng)域卻鮮有討論.本文對粒子群算法和遺傳算法進行了比較,討論了多目標演化算法的相關(guān)重要的策略,并介紹了PAES算法和SPEA2算法.在此基礎(chǔ)上,利用PSO的消息傳遞機制,借助多目標演化算法的相關(guān)策略,設(shè)計了兩種改進的多目標粒子群

3、算法.兩種算法都需一個相應(yīng)的外部集歸檔,用于保留歷代的Pareto非支配解.第一種算法(HMOPSO)利用PAES算法的動態(tài)柵格歸檔(adapt grid archiving)技術(shù),在整個群體中運用PSO的消息傳遞,外部集歸檔中運用遺傳算法的雜交,變異因子操作,從而獲得更好的Pareto最優(yōu)解;第二種算法采用PSO的消息傳遞機制,SPEA2算法的S距離歸檔技術(shù)和環(huán)境選擇配對選擇策略,使得整個群體在保持適當?shù)倪x擇壓力的情況下收斂于Pare