动态邻居维度学习的多目标粒子群算法

摘要：

针对多目标粒子群算法多样性较差,种群选择压力随着变量维度增加的问题,提出了基于动态邻居维度学习的多目标粒子群算法(DNDL-MOPSO).该算法首先构建最优维度个体,然后在"个体认知"和"社会认知"的基础上,对粒子速度更新公式进行改进,采用每一维上学习对象不固定的交流方式,最后利用随机向导学习策略,增加种群多样性.实验结果表明该方法能够提高算法的全局收敛性,增加种群的多样性,缓解选择压力,有效解决多峰多目标优化问题.

关键词：粒子群算法、多目标优化、动态邻居、最优维度粒子、随机向导学习

所属期刊栏目：53

分类号：TP202(自动化技术及设备)

资助基金：国家自然科学基金61403249;上海工程技术大学研究生科研创新项目E309031601178

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：31-37,60