基于多目標優(yōu)化的粒子群算法研究及其應(yīng)用.pdf

1、最優(yōu)化問題，特別是采用智能算法求解多目標優(yōu)化問題是進化計算領(lǐng)域的研究熱點之一。粒子群算法作為一個相對新的優(yōu)化技術(shù)，概念簡單，控制參數(shù)少，尋優(yōu)結(jié)果與初值無關(guān)，具有一定的并行性，一直受到廣泛的關(guān)注，有較好的發(fā)展前景。但是傳統(tǒng)的粒子群算法在全局搜索和收斂方面還有一定的不足，該算法已經(jīng)吸引了許多專家和學者濃厚的研究興趣并且他們幾乎都致力于改良算法性能的研究，改進之后的粒子群算法在單目標優(yōu)化問題中的應(yīng)用已經(jīng)得到了很好的證實，但是多目標優(yōu)化粒子群算

2、法及其應(yīng)用還有待于進一步的研究。本文在標準粒子群算法和多目標優(yōu)化理論的基礎(chǔ)上，重點研究了多目標優(yōu)化粒子群算法（Multi-Objective Particle Swarm Optimizationalgorithm，簡稱“MOPSO算法”），具體內(nèi)容和創(chuàng)新點可以概括如下:
　　(1)概括和總結(jié)了多目標優(yōu)化問題和標準粒子群算法的基本概念，奠定了深入研究多目標優(yōu)化粒子群算法的理論基礎(chǔ)。
　　(2)利用小生境技術(shù)求解適應(yīng)度，采取輪

3、盤賭的方法根據(jù)精英集中各個粒子的適應(yīng)度選取全局最佳位置，同時對算法的運行過程作了調(diào)整——加入了小概率變異策略，提出了一種新型的帶有小生境技術(shù)和精英集策略的多目標優(yōu)化粒子群算法，這種改進不僅提高了算法的效率，而且還保持了算法的收斂性和所得解分布的均勻性。
　　(3)改進了種群粒子的速度更新公式，結(jié)合混沌理論、高斯變異等提出了一種新型的多目標粒子群優(yōu)化算法。
　　(4)將多目標優(yōu)化組合粒子群算法應(yīng)用到了實際的交通運輸問題的求解過