基于社会学习粒子群的大规模多目标优化算法

摘要：

现实世界中存在大量多目标优化问题,其中大规模多目标优化问题是目前研究的热点,然而现有多目标进化算法缺少有效进化算子来处理大规模优化问题.因此,本文提出了一种基于社会学习粒子群的大规模多目标优化算法(A large-scale multi-objective algorithm based on a social learning particle swarm optimization algorithm,LMOSLPSO).LMOSLPSO首先采用转换的密度估计策略求解每个粒子的适应值;然后基于社会学习粒子群思想,设计了一种有效的粒子进化的方法;最后执行多目标优化算法RVEA(a reference vector guided evolutionary algorithm)的环境选择操作来选择下一代个体.其中,转换的密度估计策略有利于平衡算法种群收敛性和多样性,新设计的粒子进化的方法有利于提高算法的搜索能力.在9 个标准的大规模优化测试问题上,与多个近期提出的多目标优化算法进行对比.实验结果表明,该文所提出的LMOSLPSO算法具有较好的收敛性及分布多样性.

关键词：社会学习粒子群、多目标优化、大规模多目标优化算法

所属期刊栏目：13

分类号：TP301(计算技术、计算机技术)

资助基金：福建省自然科学基金面上项目2022J01117

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：19-29