基于分解和向量的多目标鲨鱼优化算法

摘要：

为了提高多目标鲨鱼算法在收敛速度和解集的分布性,提出一种基于分解和向量的多目标鲨鱼优化算法(DVMOS-SO).首先针对基本鲨鱼算法收敛性和多样性难以平衡的问题,通过在精英集采过程中,用参考向量计算角度惩罚距离标量值来平衡目标空间中解的收敛性和多样性.除此之外,针对基本鲨鱼算法在迭代后期易早熟收敛,陷入局部最优的缺陷,采用高斯变异策略重新初始化粒子,同时在精英解集中采用多项式变异来增加种群的多样性.最后,为了验证本文所提算法的有效性,将本文所提的DVMOSSO算法与NSGAII-DS、MOEA/D、MMOPSO、MOSSO和dMOSSO算法在标准测试函数上进行对比实验,实验结果表明本文所提算法具有良好的收敛性和分布性,算法收敛精度更高,寻优能力更强.

关键词：鲨鱼优化算法、精英解集、分解、向量、重新初始化、多项式变异

分类号：TP306(计算技术、计算机技术)

资助基金：国家自然科学青年基金资助项目61503002

在线出版日期：2021-09-22（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：43-50